BriefGPT - AI 论文速递
·
基于全光全连接结构的片上混合衍射神经网络的 1 位量化实现
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
光衍射神经网络（DNN）是光神经网络（ONN）的子集，引入了混合衍射神经网络（HDNN）以克服调制限制。通过训练，HDNN在数字识别任务中表现出高准确性。提出了BD方法缓解约束，简化实验流程。提出了片上HDNN和全光HDNN辅助的病变检测网络。推动了DNN性能提升，为产业级光神经网络的生产铺平了道路。
🎯
关键要点
-
光衍射神经网络（DNN）是光神经网络（ONN）的子集，展现出与电子网络相当的实力。
-
引入混合衍射神经网络（HDNN），结合传统ONN和DNN的优势，克服调制限制。
-
经过训练的HDNN在数字识别任务中表现出96.39%和89%的准确性。
-
开发了Binning Design（BD）方法，缓解衍射单元采样间隔的约束，简化实验流程。
-
提出片上HDNN，采用分光相位调制层，提高集成级别，放宽器件制造要求。
-
构想全光HDNN辅助的病变检测网络，检测结果与模拟预测一致。
-
本研究推动了DNN性能提升，为产业级光神经网络的生产铺平道路。
🏷️
标签
➡️
