作者单位
摘要
中国信息通信科技集团有限公司 光纤通信技术和网络国家重点实验室,武汉 430074
人工神经网络(ANN)学科的发展推动了信息处理技术的进步,目前,被称为第3代ANN的脉冲神经网络(SNN)以其更具生物可解释性,更适合ANN硬件实现的优势受到业界的广泛关注,并已成功应用于模式识别、医学成像和智能控制等多个领域。受制于“后摩尔时代”电子芯片的制程不断接近极限以及冯·诺依曼体系“存算分离”带来的性能瓶颈,低时延、低能耗、高带宽和高并行性的光子计算方案应用于SNN的硬件实现成为信息处理领域多学科融合的热门课题。文章介绍了光子SNN的起源,利用光学器件的特性实现神经元的行为和突触连接强度的变化进而实现SNN的研究历程和多种实现方案,总结了光子SNN目前存在的瓶颈和挑战,展望了光子SNN的未来发展趋势。
信息处理 人工神经网络 光子脉冲神经网络 光子计算 光学器件 information processing ANN photonic SNN photonic computing optical device 
光通信研究
2023, 49(1): 17
Author Affiliations
Abstract
1 Pohang University of Science and Technology, Department of Mechanical Engineering, Pohang, Republic of Korea
2 Pohang University of Science and Technology, Department of Chemical Engineering, Pohang, Republic of Korea
3 POSCO-POSTECH-RIST Convergence Research Center for Flat Optics and Metaphotonics, Pohang, Republic of Korea
The explosion in the amount of information that is being processed is prompting the need for new computing systems beyond existing electronic computers. Photonic computing is emerging as an attractive alternative due to performing calculations at the speed of light, the change for massive parallelism, and also extremely low energy consumption. We review the physical implementation of basic optical calculations, such as differentiation and integration, using metamaterials, and introduce the realization of all-optical artificial neural networks. We start with concise introductions of the mathematical principles behind such optical computation methods and present the advantages, current problems that need to be overcome, and the potential future directions in the field. We expect that our review will be useful for both novice and experienced researchers in the field of all-optical computing platforms using metamaterials.
photonic computing all-optical calculation optical neural network programmable metasurface 
Advanced Photonics
2022, 4(6): 064002
作者单位
摘要
1 北京大学信息科学技术学院电子系区域光纤通信网与新型光通信系统国家重点实验室, 北京 100871
2 北京大学深圳研究院, 广东 深圳 518057
3 北京大学纳光电子前沿科学中心, 北京 100871
4 华为技术有限公司中央研究院数据中心技术实验室, 广东 深圳 518000
数十年来,人们一直在探索基于光的计算体系,期望通过光的特性,突破电子计算机的局限,从而提高计算速度和降低能耗。然而,传统光计算由于缺乏有效的逻辑、存储、互连单元,以及合理的应用场景,光计算止步于概念研究阶段。在当今大数据时代的推动下,信息通量及用量呈爆炸性增长。具有高集成度、大带宽、低成本、低能耗特征的硅基光电子技术应运而生,日趋成熟,并且验证了光电融合这一信息技术发展的趋势。光计算也随之向光电计算转变。分析近年来硅基光电子技术在光电计算方面的应用和发展,如在人工神经网络、非多项式时间复杂度难题的启发式算法、光电模拟计算、集成光电量子处理器和神经拟态计算等,重点论述了硅基光电子技术在促进光电计算的信息连接、数据处理和实用化演进等方面的优势,提出了硅基光电计算概念及初级系统,以突破传统电子技术或光子技术在计算方面的不足及其在人工智能等高性能计算领域中的限制。
光计算 硅基光电子 硅基光电计算 硅光人工智能 光电人工神经网络 硅光模拟计算 optics in computing silicon photonics silicon photonic computing silicon photonic artificial intelligence optoelectronic artificial neural network silicon photonic analog computing 
中国激光
2020, 47(6): 0600001

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!