亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Large-scale neuromorphic optoelectronic computing with a reconfigurable diffractive processing unit

现场可编程门阵列 计算机硬件 计算机体系结构
作者
Tiankuang Zhou,Xing Lin,Jiamin Wu,Yitong Chen,Hao Xie,Yipeng Li,Jingtao Fan,Huaqiang Wu,Lu Fang,Qionghai Dai
出处
期刊:arXiv: Image and Video Processing 被引量:19
标识
DOI:10.1038/s41566-021-00796-w
摘要

Application-specific optical processors have been considered disruptive technologies for modern computing that can fundamentally accelerate the development of artificial intelligence (AI) by offering substantially improved computing performance. Recent advancements in optical neural network architectures for neural information processing have been applied to perform various machine learning tasks. However, the existing architectures have limited complexity and performance; and each of them requires its own dedicated design that cannot be reconfigured to switch between different neural network models for different applications after deployment. Here, we propose an optoelectronic reconfigurable computing paradigm by constructing a diffractive processing unit (DPU) that can efficiently support different neural networks and achieve a high model complexity with millions of neurons. It allocates almost all of its computational operations optically and achieves extremely high speed of data modulation and large-scale network parameter updating by dynamically programming optical modulators and photodetectors. We demonstrated the reconfiguration of the DPU to implement various diffractive feedforward and recurrent neural networks and developed a novel adaptive training approach to circumvent the system imperfections. We applied the trained networks for high-speed classifying of handwritten digit images and human action videos over benchmark datasets, and the experimental results revealed a comparable classification accuracy to the electronic computing approaches. Furthermore, our prototype system built with off-the-shelf optoelectronic components surpasses the performance of state-of-the-art graphics processing units (GPUs) by several times on computing speed and more than an order of magnitude on system energy efficiency.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
科研通AI2S应助科研通管家采纳,获得10
41秒前
科研通AI2S应助科研通管家采纳,获得10
41秒前
芬芬完成签到,获得积分10
1分钟前
1分钟前
JrPaleo101完成签到,获得积分10
1分钟前
Splaink完成签到 ,获得积分10
1分钟前
Isaac完成签到 ,获得积分10
2分钟前
猕猴桃猴完成签到,获得积分10
2分钟前
猕猴桃猴发布了新的文献求助10
2分钟前
腼腆的白开水完成签到,获得积分10
2分钟前
2分钟前
科研通AI2S应助科研通管家采纳,获得10
2分钟前
科研通AI2S应助科研通管家采纳,获得10
2分钟前
赘婿应助大气的向松采纳,获得10
2分钟前
精明玲完成签到 ,获得积分10
3分钟前
英勇的半兰完成签到 ,获得积分10
3分钟前
优雅的帅哥完成签到 ,获得积分10
3分钟前
科研通AI5应助甜甜的难敌采纳,获得10
3分钟前
baobeikk完成签到 ,获得积分10
3分钟前
4分钟前
4分钟前
李铛铛发布了新的文献求助10
4分钟前
4分钟前
科研通AI5应助李铛铛采纳,获得10
4分钟前
奋斗从阳发布了新的文献求助10
4分钟前
一只羊完成签到 ,获得积分10
4分钟前
斯寜应助科研通管家采纳,获得10
4分钟前
斯寜应助科研通管家采纳,获得10
4分钟前
4分钟前
HS完成签到,获得积分10
5分钟前
李铛铛完成签到,获得积分10
5分钟前
6分钟前
6分钟前
Leung应助oleskarabach采纳,获得10
6分钟前
拼搏紫槐完成签到 ,获得积分10
6分钟前
完美世界应助科研通管家采纳,获得10
6分钟前
斯寜应助科研通管家采纳,获得10
6分钟前
大气的向松完成签到 ,获得积分10
7分钟前
snah完成签到 ,获得积分10
7分钟前
7分钟前
高分求助中
【此为提示信息,请勿应助】请按要求发布求助,避免被关 20000
Continuum Thermodynamics and Material Modelling 2000
Encyclopedia of Geology (2nd Edition) 2000
105th Edition CRC Handbook of Chemistry and Physics 1600
Maneuvering of a Damaged Navy Combatant 650
Периодизация спортивной тренировки. Общая теория и её практическое применение 310
Mixing the elements of mass customisation 300
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3779098
求助须知:如何正确求助?哪些是违规求助? 3324745
关于积分的说明 10219731
捐赠科研通 3039823
什么是DOI,文献DOI怎么找? 1668449
邀请新用户注册赠送积分活动 798658
科研通“疑难数据库(出版商)”最低求助积分说明 758503