使用多态电光电路与架构实现高速、高效的非二进制计算
通过使用硅微环共振器中的非线性效应,如自由载流子色散和热光效应,将信息映射到更高的维度空间,并通过添加外部波导实现具有增强记忆的延时非线性光子储存器 (TDRC)。在 TDRC 中,非线性效应取决于物理特性,而非线性动态的正确量化有利于实现最佳性能。因此,我们以时间常数和热效应为函数来量化基于微环的 TDRC 方案的非线性和线性内存容量,并分析了 TDRC 动态生成的参数空间,以确定满足传统 RC 任务的输入信号功率和频率偏移范围。
Jun, 2024
微环共振器是时间延迟光子储层计算的有希望的设备,通过数值分析我们发现不同物理效应对于数据预测准确性的影响,研究结果揭示了三个区域,这些区域定义了线性到非线性的腔体转变,其中一个区域在输入功率和光源与微环谐振频差之间表现出较低的预测误差,这项研究为改进时间延迟储层计算的预测表现提供了设计微环共振器和优化其物理特性的见解。
Oct, 2023
本文提出了一种引入可重构性的基于 Photonic Microring Resonator 的 CNN 加速器,以动态最大化加速器硬件组件与处理使用硬件组件的 CNN 张量之间的大小兼容性,从而提高并行性、灵活性、效率、速度和整体能效,并在四个现代 CNN 的推理中对其进行了评估,结果表明其对于先前工作中的 MRR 加速器在 FPS 和 FPS/W 方面分别提高了 1.8 倍和 1.5 倍。
Jul, 2022
这篇论文研究了基于微环共振器 (MRR) 的模拟光子结构,在深度神经网络中加速通用矩阵乘法 (GEMM) 并具有出色的吞吐量和能效。作者通过分析了调制 - 聚合 - 分拆 - 加权 (MASW)、聚合 - 分拆 - 调制 - 加权 (ASMW) 和分拆 - 调制 - 加权 - 聚合 (SMWA) 的三种不同调制顺序,发现这些组织在电路级的串扰噪声和光信号损失以及系统级的吞吐量和能量区域能够带来不同程度的影响。评估结果显示,相比于 ASMW 和 MASW,SMWA 组织在平均下达到了分别多达 4.4 倍、5 倍和 5.2 倍的吞吐量、能效和面积能量效率提升。
Feb, 2024
我们介绍了一种基于激子 - 极化子凝聚体格点的新型神经形态网络架构,通过非共振光抽运进行精细相互连接和能量注入。该网络采用二进制框架,在每个神经元中,通过成对相互耦合凝聚体的空间相干性,执行二进制操作。这种相干性是由于极子的弹道传播而产生的,确保了高效的整个网络通信。通过激子成分的非线性排斥驱动的二进制神经元切换机制,使得与连续权重神经网络相比具有计算效率和可扩展性的优势。我们的网络实现了并行处理,提高了计算速度,相比于顺序或脉冲编码的二进制系统。我们使用 MNIST 手写数字数据集评估了系统的性能,展示了优于现有极子神经形态系统的潜力,其令人印象深刻的预测分类准确率高达 97.5%。
Jan, 2024
我们提出了一种超光谱存储体系结构,通过将空间复用与频率复用光频梳相结合,并利用空间光调制器作为可编程光学存储器,从而提高计算吞吐量和能源效率。我们在矩阵 - 向量乘法和矩阵 - 矩阵乘法中实验性地演示了高于 4 位精度的乘累加运算,这表明了该系统在各种深度学习和优化任务中的潜力。我们的方法展示了超越传统光学计算体系结构的非凡模块化性,可扩展性和可编程性,并显着超越了 peta(每秒百万亿次)操作,标志着实现高吞吐量、高能效光学计算的重要进展。
Oct, 2023
利用新的微磁模拟软件 Magnum.np,通过引入一个简单的神经网络中间层以及使用散射区域的自旋波导,我们在已有的环状自振装置的基础上构建了物理储层计算机,展示出与传统密集神经网络相当或更好的性能,适用于处理不同类型输入的各种真实数据集。
Apr, 2024
通过光电硬件平台实现了光学神经网络中的非线性激活函数,通过数值模拟,证明该激活函数能够显著提高神经网络的表现,使得其在多个任务上表现更好,如图像分类任务中精度从 85% 提升至 94%。
Mar, 2019
Mirage 是一种基于残留数系统(RNS)的光子深度神经网络(DNN)训练加速器,通过将 RNS 和光子学相结合,提供高能效、高精度且能够成功训练与 FP32 训练相媲美的 DNNs,相比系统阵列,平均可实现超过 23.8 倍的更快训练速度、32.1 倍的更低能耗与相当或更好的效率 - 功耗比(EDP)在等能端景下,以及 42.8 倍的更低功率消耗在等面积场景下。
Nov, 2023
本论文研究了利用硅微环谐振器实现时间延时储层计算中热光和自由载流子效应的影响,并确定了泵浦功率和频率失谐范围,使得数据拟合误差小于 0.05,满足 NARMA-10 任务要求。
Jul, 2023