机构名称：
¥ 1.0
人工智能的计算和能源成本的爆炸性增长引起了人们对传统电子处理器的替代计算方式的兴趣。使用光子代替电子的光子处理器承诺具有超低潜伏期和功耗的光学神经网络。但是，现有的光神经网络受其设计的限制，尚未达到现代电子神经网络的识别精度。在这项工作中，我们通过将并行的光学计算嵌入到平面相机光学器件中，在捕获过程中执行神经网络计算，然后在传感器上记录之前。我们利用大型内核，并提出了通过低维度重新聚体化学到的空间变化的卷积网络。我们使用具有角度依赖性响应的纳米光子阵列在相机镜头内实例化。与大约2K参数的轻质电子后端结合使用，我们可重新配置的纳米含量神经网络可在CIFAR-10上获得72.76％的精度，超过Alexnet（72.64％）（72.64％），并将光学神经网络推进到深度学习时代。
在空间上有变化的纳米光子神经网络
主要关键词
相关文件推荐
