简介。对非经典硬件进行脑力启发的计算的研究已在统计中引起了人们的关注。光子平台由于可能实现高带宽,能源效率以及对光学的内在平行性1-3的可能性的可能性而表现出巨大的潜力。在我们的方法中,我们将衍射耦合(DC)1,3 - 6的概念与垂直腔表面发射激光器(VCSELS)结合在一起。DC提供了并行性,并具有高能实施神经网(NNS)的潜力。使用DC的实验实现包括组合的光电模拟计算4,衍射深NNS 3、5,相干VCSEL NNS 1和储层计算(RC)6。vcsels用于多样化的实验实现,用于神经启发的信息处理,最近出现了1、7 - 11。vc- sels可以用作光学深NN体系结构1的节点或RC实现9 - 11中的单个神经元的尖峰行为7。RC 12 - 14的概念简单性允许实施具有当前或近期技术的大规模光子NN,并是研究涉及进一步优化的更复杂方案的理想跳板。许多光子RC实现基于长外部腔体内的时间多头型的高维度15。在这些方法中,提高网络会降低处理速度。我们的方案基于外部空腔16 - 18中的DC,该腔体已证明对更多的发射器可扩展。在这里,我们提出了一种方法,该方法使用24个耦合VCSEL的网络来利用光合并行性,其中每个VCSEL都与一个储层节点相对应,从而避免了时间多路复用的速度惩罚。尽管对于单独的可寻址VCSEL,电气接触设计的局限性可防止
主要关键词