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。

本文提出了一种深度扩展的稀疏子空间聚类方法，通过神经网络的非线性变换，满足了稀疏性原则和学习深度特征的单位球分布假设。实验证明该方法在四个真实世界数据集上具有明显优势，是最好的基于深度学习的子空间聚类方法之一。