Уплотнённые оптические нейронные сети с мультиплексированными наборами нейронов и соответствующим алгоритмом обучения методом обратного распространения ошибки

Оптические нейронные сети (ONN) в последние годы привлекают большой интерес как потенциальная альтернатива электронным искусственным нейронным сетям благодаря их присущим возможностям параллельной обработки сигналов при снижении энергопотребления и низкой задержке. Предварительное подтверждение параллелизма в оптических вычислениях широко выполнялось с применением мультиплексирования по длине волны (WDM) к линейным преобразованиям нейронных сетей. Однако межканальная наводка препятствовала использованию WDM в нелинейных активациях ONN. В настоящей работе мы предлагаем универсальную WDM-структуру, называемую мультиплексированными наборами нейронов (MNS), которая применяет WDM к оптическим нейронам и позволяет дополнительно сжать ONN. Для компенсации или даже устранения влияния межканальной наводки в WDM-ONN на основе MNS предложен соответствующий алгоритм обучения методом обратного распространения ошибки (BP). Для простоты в качестве примера MNS используются полупроводниковые оптические усилители для построения WDM-ONN, обучаемой с помощью нового алгоритма. Результаты показывают, что сочетание MNS и соответствующего алгоритма BP существенно уменьшает размер системы и повышает энергоэффективность примерно в 10 раз при обеспечении сходной производительности по сравнению с традиционными ONN.