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、高速かつ低エネルギーのデータ処理を提供できますが、計算上の要求が厳しいトレーニングやシミュレーションと現実のギャップにおいて欠陥に直面しています。
我々は、スコア勾配推定アルゴリズムに基づいた光コンピューティングシステムの軽量現場最適化のためのモデルフリーソリューションを提案します。
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、損失を光学重みの確率分布に直接逆伝播するため、計算量が多く偏ったシステム シミュレーションの必要性が回避されます。
私たちは、単層回折光学コンピューティング システムの実験を通じて、MNIST および FMNIST データセットの優れた分類精度を実証しました。
さらに、画像不要の高速細胞解析の可能性を示します。
私たちが提案する方法の本質的な単純さと、計算リソースの需要が低いことにより、光コンピューティングの実験室でのデモンストレーションから現実世界のアプリケーションへの移行が促進されます。

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, Google