Deep Learning with Passive Optical Nonlinear Mapping

要約

ディープ ラーニングは人工知能を根本的に変革しましたが、ディープ ラーニング モデルはますます複雑になるため、専用のハードウェア アクセラレータが必要になります。
光アクセラレータは、パフォーマンス、拡張性、エネルギー効率の向上を可能にする可能性があります。
ただし、ニューラル ネットワークの重要なコンポーネントである非線形マッピングを実現することは、光学的に依然として困難です。
ここでは、追加のレーザー出力を必要とせずに、残響空洞内の多重散乱を利用して光学的非線形ランダムマッピングを受動的に誘導する設計を紹介します。
私たちの研究から明らかになった重要な利点は、キャビティ内の多重散乱によって促進される光学データ圧縮を実行して、データの次元を削減しながら重要な情報を効率的に圧縮して保持できることを示したことです。
これにより、迅速な光学情報処理と高度に非線形な特徴の低次元混合の生成が可能になります。
これらは、エッジ コンピューティング デバイスなど、高速な分析と応答が要求されるアプリケーションに特に役立ちます。
高速な光情報処理機能を活用することで、当社の光プラットフォームは、幅広いアプリケーションに対して、より効率的でリアルタイムの処理ソリューションを提供できる可能性があります。
私たちは、分類、画像再構成、キーポイント検出、物体検出などのタスク全体の計算パフォーマンスを向上させる設計の有効性を実証します。これらはすべて、デジタル デコーダと組み合わせた光学データ圧縮によって実現されます。
特に、リアルタイムの歩行者検出において、極端な圧縮率での高いパフォーマンスが観察されました。
私たちの発見は、光コンピューティングのための新しいアルゴリズムとアーキテクチャ設計への道を開きます。

要約(オリジナル)

Deep learning has fundamentally transformed artificial intelligence, but the ever-increasing complexity in deep learning models calls for specialized hardware accelerators. Optical accelerators can potentially offer enhanced performance, scalability, and energy efficiency. However, achieving nonlinear mapping, a critical component of neural networks, remains challenging optically. Here, we introduce a design that leverages multiple scattering in a reverberating cavity to passively induce optical nonlinear random mapping, without the need for additional laser power. A key advantage emerging from our work is that we show we can perform optical data compression, facilitated by multiple scattering in the cavity, to efficiently compress and retain vital information while also decreasing data dimensionality. This allows rapid optical information processing and generation of low dimensional mixtures of highly nonlinear features. These are particularly useful for applications demanding high-speed analysis and responses such as in edge computing devices. Utilizing rapid optical information processing capabilities, our optical platforms could potentially offer more efficient and real-time processing solutions for a broad range of applications. We demonstrate the efficacy of our design in improving computational performance across tasks, including classification, image reconstruction, key-point detection, and object detection, all achieved through optical data compression combined with a digital decoder. Notably, we observed high performance, at an extreme compression ratio, for real-time pedestrian detection. Our findings pave the way for novel algorithms and architectural designs for optical computing.

arxiv情報

著者 Fei Xia,Kyungduk Kim,Yaniv Eliezer,Liam Shaughnessy,Sylvain Gigan,Hui Cao
発行日 2023-07-18 15:23:48+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cond-mat.dis-nn, cs.ET, cs.LG, physics.app-ph, physics.optics パーマリンク