光计算的空间复杂性及其减少方法

本研究解决了光计算系统在执行特定功能时所需空间的基本问题，尤其是对于更一般的计算任务如分类。通过引入空间效率的神经形态光学设计新范式，基于结构稀疏约束和神经修剪方法，研究表明在保持性能的同时，系统尺寸可显著减小至传统设计的1%-10%。研究结果揭示了随着结构维度增加，准确率的收益递减趋势，为光计算的尺寸与准确度的权衡提供了新视角。