Представлены мультисинаптические фотонные спайковые нейронные сети на основе чипа DFB-SA

Прочитано: 60 раз(а)


По сравнению с традиционными искусственными нейронными сетями, пиковые нейронные сети (SNN) являются более биологически аутентичными, более мощными и менее энергозатратными благодаря их пространственно-временному кодированию и управляемым событиями характеристикам. В последние годы оптические вычисления широко рассматривались как платформа аппаратного ускорения, где нелинейные вычисления представляют собой проблему. Photonic SNN предоставляет сверхбыструю и энергоэффективную платформу для высокопроизводительных нейроморфных вычислений.

Благодаря потенциалу компактных размеров и высокой надежности интегрированная архитектура обеспечивает надежную схему архитектуры оптических нейроморфных вычислений. Двухсекционные полупроводниковые лазеры могут быть использованы в качестве фотонных импульсных нейронов, способных имитировать нейроноподобные реакции и выполнять нелинейные вычисления, как нейроны.

Однако сильная нелинейность SNN и трудности обучения, вызванные аппаратными ограничениями, выдвигают настоятельную необходимость в эффективных алгоритмах SNN. В то же время совместные вычисления алгоритмов и аппаратных платформ стали новой задачей.

Чтобы решить нелинейные вычислительные задачи оптических нейронных сетей, исследовательская группа независимо разработала полупроводниковый лазерный чип с распределенной обратной связью, содержащий область насыщаемого поглощения (DFB-SA) в качестве оптического импульсного нейрона, который может успешно моделировать нейроноподобную динамику, например, возбудимую динамику. реакция, порог и интеграционное поведение. Исследование опубликовано в журнале Opto-Electronic Science .

Вдохновленные мультисинаптической структурой и пластичностью веса задержки в биологии, для обучения оптических SNN были предложены мультисинаптическая структура SNN и алгоритм совместного обучения с весом задержки для обучения оптических SNN и реализовано аппаратно-программное сотрудничество между алгоритмами классификации образов, основанными на оптический SNN и лазерный чип DFB-SA.

По сравнению с существующими общими алгоритмами эффективность обучения и производительность этого алгоритма были превосходными, а введенное мультисинаптическое соединение могло эффективно улучшить производительность сети с различными алгоритмами обучения. Для реализации совместных вычислений алгоритма и оборудования была использована технология мультиплексирования с временным разделением для кодирования входных данных, полученных разными выходными нейронами в разные временные интервалы, а режим классификации был проверен экспериментально на основе одного лазерного чипа DFB-SA. Различные типы входных данных могли только стимулировать соответствующие выходные нейроны производить одиночный спайк.

Более того, в повторных тестах, хотя выходная мощность импульсов сильно колебалась, время выброса было относительно стабильным, что демонстрировало надежность временного кодирования. Это исследование реализует функциональную фотонную SNN далеко за пределами масштаба аппаратной интеграции и демонстрирует возможности совместных вычислений с использованием аппаратных алгоритмов . Эта работа является важным шагом в продвижении практического применения интегрированных фотонных чипов SNN и закладывает важную основу для аппаратной реализации крупномасштабных оптических SNN.

Лазерный чип DFB-SA, о котором сообщается в статье, основан на традиционной универсальной литейной платформе на базе InP, обладает характеристиками интеграции, низким энергопотреблением , высокой скоростью и простой настройкой, что подходит для сценариев применения с большой полосой пропускания и высокой скоростью. скорость и низкая задержка. Он закладывает основу устройства для реализации интегрированной оптической нейроморфной вычислительной системы, которая, как ожидается, будет играть роль в таких приложениях, как центры обработки данных, периферийные вычисления и автоматическое вождение.

Представлены мультисинаптические фотонные спайковые нейронные сети на основе чипа DFB-SA



Новости партнеров