宾夕法尼亚大学的研究团队报告了一种集成的端到端光子深度神经网络（PDNN），该网络通过直接处理撞击在片上像素阵列上的光波，在它们通过神经元层传播时执行亚纳秒级图像分类。
在每个神经元中，光学执行线性计算，光电实现非线性激活函数，允许分类时间低于 570 ps，与最先进的数字平台的单个时钟周期相当。均匀分布的供应光可提供相同的每个神经元光输出范围，从而可扩展到大规模 PDNN。证明了手写字母的二类和四类分类，准确率分别高于 93.8% 和 89.8%。
光学数据的直接、无时钟处理消除了模数转换和对大内存模块的需求，从而为下一代深度学习系统提供更快、更节能的神经网络。
该研究以「An on-chip photonic deep neural network for image classification」为题，于 2022 年 6 月 1 日发布在《Nature》。
内容中包含的图片若涉及版权问题，请及时与我们联系删除
评论
沙发等你来抢