Нейроморфные фотонные сети с использованием кремниевых фотонных банков весов

Neuromorphic photonic networks using silicon photonic weight banks
Bhavin J. Shastri, Alexander N. Tait, Thomas Ferreira de Lima, Ellen Zhou, Allie X. Wu, Mitchell A. Nahmias, Paul R. Prucnal
2017-08-01

эмуляция дифференциальной системыанализ динамической бифуркациивесовые банки на микрокольцахнейроморфная кремниевая фотоникарекуррентная фотонная нейронная сеть
Фотонные системы высокопроизводительной обработки информации вновь привлекают значительное внимание. Нейроморфная кремниевая фотоника обладает потенциалом для интеграции вычислительных функций, значительно превосходящих возможности электроники. Мы впервые наблюдали рекуррентную кремниевую фотонную нейронную сеть, в которой соединения конфигурируются кольцевыми микрорезонаторными банками весов. С помощью анализа динамических бифуркаций продемонстрирован математический изоморфизм между кремниевой фотонной схемой и непрерывной моделью нейронной сети. Используя этот изоморфизм, смоделированная кремниевая фотонная нейронная сеть с 24 узлами программируется с помощью «нейронного компилятора» для решения задачи эмуляции дифференциальной системы. Прогнозируется ускорение в 294 раза по сравнению с традиционным эталонным методом. Кроме того, предложен и выведен анализ энергопотребления нейронов модуляторного класса, которые, в отличие от нейронов лазерного класса, совместимы с кремниевыми фотонными платформами. При увеличении масштаба нейроморфная кремниевая фотоника может открыть доступ к новым режимам сверхбыстрой обработки информации для радиосвязи, систем управления и научных вычислений.
1
С помощью анализа динамических бифуркаций продемонстрирован математический изоморфизм между кремниевой фотонной схемой и непрерывной моделью нейронной сети.
2
Смоделированная кремниевая фотонная сеть из 24 узлов запрограммирована нейрокомпилятором для эмуляции дифференциальной системы; прогнозируется ускорение в 294 раза относительно традиционного эталона.
3
Масштабирование нейроморфной кремниевой фотоники может обеспечить сверхбыструю обработку информации для радиосвязи, управления и научных вычислений.
4
Выведены требования к энергопотреблению нейронов модуляторного класса, совместимых с кремниевыми фотонными платформами, в отличие от нейронов лазерного класса.
5
В работе впервые представлены наблюдения рекуррентной кремниевой фотонной нейронной сети, в которой связи настраиваются с помощью банков весов на микрокольцах.

рекуррентные кремниевые фотонные нейронные сети, конфигурируемые кольцевыми банками весов

их математическое соответствие моделям непрерывных нейронных сетей, динамические бифуркации, эффективность эмуляции дифференциальных систем и энергопотребление нейронов на основе модуляторов

Publication Details
Publication Date
2017-08-01
Journal
Publisher
ISSN
Access Type
Author Information
Authors
Bhavin J. Shastri
Alexander N. Tait
Thomas Ferreira de Lima
Ellen Zhou
Allie X. Wu
Mitchell A. Nahmias
Paul R. Prucnal
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat
Make a presentation
100%