High-performance real-world optical computing trained by in situ model-free optimization

要約

光コンピューティングシステムは、高速で低エネルギーのデータ処理を提供することができるが、計算負荷の高いトレーニングやシミュレーションと現実のギャップという欠点がある。我々は、スコア勾配推定アルゴリズムに基づく、光コンピューティングシステムの軽量なその場最適化のためのモデルフリーソリューションを提案する。このアプローチは、システムをブラックボックスとして扱い、光重みの確率分布に直接損失をバックプロパゲートすることで、計算負荷が高く偏ったシステムシミュレーションの必要性を回避する。我々は、単層回折光学計算システムを用いた実験により、MNISTとFMNISTデータセットにおいて優れた分類精度を実証した。さらに、画像不要で高速な細胞解析の可能性を示す。提案手法の本質的な単純さは、計算資源への要求が低いことと相まって、光コンピューティングの実験室での実証から実世界での応用への移行を促進する。

要約(オリジナル)

Optical computing systems can provide high-speed and low-energy data processing but face deficiencies in computationally demanding training and simulation-to-reality gap. We propose a model-free solution for lightweight in situ optimization of optical computing systems based on the score gradient estimation algorithm. This approach treats the system as a black box and back-propagates loss directly to the optical weights’ probabilistic distributions, hence circumventing the need for computation-heavy and biased system simulation. We demonstrate a superior classification accuracy on the MNIST and FMNIST datasets through experiments on a single-layer diffractive optical computing system. Furthermore, we show its potential for image-free and high-speed cell analysis. The inherent simplicity of our proposed method, combined with its low demand for computational resources, expedites the transition of optical computing from laboratory demonstrations to real-world applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL