(資料圖)
現(xiàn)在，基于人工神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法正在徹底改變很多科學(xué)與工程領(lǐng)域內(nèi)的信息處理方法，而且已經(jīng)被應(yīng)用于圖像分類、圖像加密、語音識(shí)別和語言翻譯等很多具體任務(wù)中。不過，隨著人工智能算法的發(fā)展，人工神經(jīng)網(wǎng)絡(luò)所需的計(jì)算能力與電子芯片所提供的計(jì)算能力之間存在著巨大矛盾。
摩爾定律在“后摩爾時(shí)代”的放緩以及馮諾依曼架構(gòu)的局限性導(dǎo)致了現(xiàn)有計(jì)算架構(gòu)的高能耗與高耗時(shí)問題。
以光為介質(zhì)的衍射神經(jīng)網(wǎng)絡(luò)具有計(jì)算速度快、并行度高、傳輸能耗低等優(yōu)點(diǎn)，可以模擬人工神經(jīng)網(wǎng)絡(luò)進(jìn)行高速計(jì)算，解決了計(jì)算能力與能耗問題。
近年來，全光衍射神經(jīng)網(wǎng)絡(luò)在圖像處理和物體識(shí)別等方面已經(jīng)得到廣泛應(yīng)用和驗(yàn)證。衍射神經(jīng)網(wǎng)絡(luò)通常由多個(gè)衍射層構(gòu)成，每個(gè)衍射層內(nèi)部的單元結(jié)構(gòu)可被視為一個(gè)神經(jīng)元，不同衍射層間神經(jīng)元通過光衍射來實(shí)現(xiàn)相互連接。
衍射神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別、線性矩陣運(yùn)算、邏輯運(yùn)算和光束整形等領(lǐng)域得到了廣泛研究。
目前，衍射神經(jīng)網(wǎng)絡(luò)通常被應(yīng)用于太赫茲和微波頻段，但是仍然難以實(shí)現(xiàn)集成小型化并缺乏重構(gòu)性。與傳統(tǒng)的衍射光學(xué)元件對(duì)比，超表面在光學(xué)波段上更加緊湊，可通過改變超表面內(nèi)部元原子的形狀、大小和排列來同時(shí)控制光的振幅和相位。利用超表面實(shí)現(xiàn)衍射神經(jīng)網(wǎng)絡(luò)有助于實(shí)現(xiàn)小型化智能集成式光學(xué)器件。
?本文共計(jì)1000字開通高級(jí)賬號(hào)后繼續(xù)閱讀
登錄后獲取已開通的賬號(hào)權(quán)益溫馨提示：研究院技術(shù)情報(bào)訂閱者可暢讀全文訂閱本文共計(jì)1000字開通高級(jí)賬號(hào)后繼續(xù)閱讀
您未開通，請開通后閱讀溫馨提示：研究院技術(shù)情報(bào)訂閱者可暢讀全文訂閱關(guān)鍵詞：
