该研究提出了一种基于光学领域中的非线性信号处理的新型光子加速器，通过对高度非线性波导中的四波混频效应进行数值分析，利用 Kerr 诱导的非线性效应生成多种非线性变换来解决复杂的非线性任务，并在光通信场景中实现全光非线性补偿，提供比强大的机器学习算法更优秀的结果，功耗和计算复杂度减少。展示了如何将四波混频模块用作可重构非线性激活模块，能够重现 S 型或整流线性单元等特征函数。

本文研究了光子加速器上的图像分割，探讨了最适合光子加速器的DNN架构类型，以及在光子加速器上执行不同图像分割模型的吞吐量和能效，并讨论了相关的权衡。研究证明了某些分割模型在光子加速器上执行时几乎不会损失准确性，并探究了其鲁棒性的经验推理，并讨论了对模型表现不佳时如何恢复准确性的技术。此外，还比较了在光子加速器上不同图像分割工作负载的吞吐量和能耗估计，并讨论了提高光子加速器在计算机视觉任务中应用的挑战和潜在优化方法。

本文研究了光子加速器上的图像分割，探讨了适合光子加速器的DNN架构类型，以及执行不同图像分割模型的吞吐量和能效，并讨论了相关权衡。证明了某些分割模型在光子加速器上执行时准确性几乎不会损失，并探究了其鲁棒性的经验推理。比较了不同图像分割工作负载的吞吐量和能耗估计，并讨论了提高光子加速器在计算机视觉任务中应用的挑战和潜在优化方法。