광뉴럴 네트워크

Optical neural network

광뉴럴 네트워크는 광학 컴포넌트를 가진 인공뉴럴 네트워크의 물리적 구현입니다.초기 광신경망은 다중화된 홀로그램의 [1]강도에 비례하여 시냅스 가중치를 갖는 출력 배열에 입력 뉴런의 배열을 상호 연결하기 위해 광굴절 볼륨 홀로그램을 사용했다.부피 홀로그램은 스펙트럼 홀버닝을 사용하여 더 다중화되어 공간에 파장의 1차원을 추가하여 신경 입력 및 [2]출력의 2차원 배열의 4차원 상호 연결을 달성했습니다.이 연구는 신경 [3]통신을 구현하기 위해 광 상호 연결의 강도를 사용하는 대체 방법에 대한 광범위한 연구로 이어졌다.

광신경망으로 구현된 인공신경망으로는 홉필드신경망과[4] 액정공간광변조기가[5] 있는 코호넨 자기조직지도 등이 있다.광신경망은 신경형공학의 원리에 기초해 신경형광학계를 만들 수도 있다.일반적으로 이러한 시스템은 스파이크를 사용하여 네트워크 내의 정보를 부호화하며 광학 및 포토닉하드웨어에서의 스파이킹뉴럴 네트워크의 기능을 모방합니다.신경동형 기능을 증명한 포토닉 디바이스는 수직공방 표면발사 레이저,[6][7] 집적 포토닉 변조기,[8] 초전도 조지프슨 접합에[9] 기초한 광전자 시스템 또는 공명 터널링 다이오드에 [10]기초한 시스템을 포함한다.

전기화학적 네트워크와 광학적 뉴럴 네트워크

생물학적 신경망은 전기화학적 기반에서 기능하는 반면, 광학적 신경망은 전자파를 사용한다.생물학적 뉴럴 네트워크에 대한 광 인터페이스는 광유전학을 통해 생성될 수 있지만, 광뉴럴 네트워크와는 다릅니다.생물학적 신경 네트워크에는 뉴런의 상태를 동적으로 변화시키기 위한 많은 다른 메커니즘이 존재합니다. 이것들은 단기 및 장기 시냅스 가소성을 포함합니다.시냅스 가소성은 시냅스 전송의 효율성을 제어하기 위해 사용되는 전기생리학 현상 중 하나이며, 학습과 기억의 장기 및 시냅스 전송 효율의 단기적인 변화에는 단기적입니다.광학 컴포넌트를 사용한 실장은 어렵고, 이상적으로는 고도의 포토닉 소재를 필요로 합니다.광뉴럴 네트워크용 광물질에서 바람직할 수 있는 특성에는 들어오는 빛의 강도에 따라 빛의 전달 효율을 변경할 수 있는 능력이 포함된다.

실장

2007년에는 광학 뉴럴 네트워크의 한 모델이 있었습니다.그것은 프로그램 가능한 광학 어레이/아날로그 컴퓨터(POAC)입니다.2000년에 실장되어 홀로그래픽 광학 메모리로서 수정된 JTC(Joint Fourier Transform Correlator)와 Bactierhodopsin(BR)에 근거해 보고되었다.완전 병렬화, 대규모 어레이 크기 및 빛의 속도는 POAC가 광 CNN을 구현하기 위해 제시한 세 가지 약속입니다.이들은 지난 몇 년 동안 최초의 휴대용 POAC 버전의 설계를 산출하는 실질적인 제한과 고려사항과 함께 조사되었습니다.

하드웨어(광학 셋업)와 소프트웨어(광학 템플릿) 등 실용적인 세부 정보가 공개되었습니다.다만, POAC는 범용의 프로그램 가능한 어레이 컴퓨터이며, 다음과 같은 폭넓은 애플리케이션을 갖추고 있습니다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ Wagner K, Psaltis D (1988). "Adaptive optical networks using photorefractive crystals". Appl. Opt. 27: 1752–1759.
  2. ^ Weverka R, Wagner K, Saffman M (1991). "Fully interconnected, two-dimensional neural arrays using wavelength-multiplexed volume holograms". Optics Letters. 16 (11): 826–828.
  3. ^ Wagner K, Psaltis D (1993). "Optical neural networks: an introduction by the feature editors". Appl. Opt. 32: 1261–1263.
  4. ^ Ramachandran R, Gunasekaran N (2000). "Optical Implementation of Two Dimensional Bipolar Hopfield Model Neural Network (Scientific Note)" (PDF). Proceedings-National Science Council Republic of China Part a Physical Science and Engineering. 24 (1): 73–8. Archived from the original (PDF) on 12 October 2004.
  5. ^ Duvillier J, Killinger M, Heggarty K, Yao K, de Bougrenet de la Tocnaye JL (January 1994). "All-optical implementation of a self-organizing map: a preliminary approach". Applied Optics. 33 (2): 258–66. doi:10.1364/AO.33.000258. PMID 20862015.
  6. ^ Hejda M, Robertson J, Bueno J, Alanis J, Hurtado A (2021-06-01). "Neuromorphic encoding of image pixel data into rate-coded optical spike trains with a photonic VCSEL-neuron". APL Photonics. 6 (6): 060802. doi:10.1063/5.0048674. ISSN 2378-0967.
  7. ^ Robertson J, Hejda M, Bueno J, Hurtado A (April 2020). "Ultrafast optical integration and pattern classification for neuromorphic photonics based on spiking VCSEL neurons". Scientific Reports. 10 (1): 6098. doi:10.1038/s41598-020-62945-5. PMC 7142074. PMID 32269249.
  8. ^ George JK, Mehrabian A, Amin R, Meng J, de Lima TF, Tait AN, et al. (February 2019). "Neuromorphic photonics with electro-absorption modulators". Optics Express. 27 (4): 5181–5191. arXiv:1809.03545. doi:10.1364/OE.27.005181. PMID 30876120.
  9. ^ Shainline JM (January 2020). "Fluxonic Processing of Photonic Synapse Events". IEEE Journal of Selected Topics in Quantum Electronics. 26 (1): 1–15. arXiv:1904.02807. doi:10.1109/JSTQE.2019.2927473. ISSN 1077-260X.
  10. ^ Romeira B, Javaloyes J, Ironside CN, Figueiredo JM, Balle S, Piro O (September 2013). "Excitability and optical pulse generation in semiconductor lasers driven by resonant tunneling diode photo-detectors". Optics Express. 21 (18): 20931–40. doi:10.1364/OE.21.020931. hdl:10400.1/11954. PMID 24103966.


Stub icon

이 컴퓨터 네트워킹 기사는 요약본입니다.위키피디아를 확장함으로써 위키피디아를 도울 수 있습니다.