清华电子系陈宏伟团队合作发文综述光学神经网络的进展与挑战

一分耕耘，一分收获！既然都打开这篇《清华电子系陈宏伟团队合作发文综述光学神经网络的进展与挑战》，就坚持看下去，学下去吧！本文主要会给大家讲到等等知识点，如果大家对本文有好的建议或者看到有不足之处，非常欢迎大家积极提出！在后续文章我会继续更新科技周边相关的内容，希望对大家都有所帮助！

光学神经网络（Optical Neural Networks，ONNs）是一种利用光学元器件（如波导、调制器、探测器等）实现人工神经网络功能的计算系统。它通过利用光信号的传播特性来实现信息处理和计算功能，具有低延迟、低能耗、大带宽以及抗电磁干扰强等优势。
近日，清华大学电子系陈宏伟教授团队联合国防科技大学团队，以“光学神经网络：进展与挑战”（Optical neural networks: progress and challenges）为题在《光：科学和应用》（Light：Science & Applications）上发表综述，对近几年来光学神经网络的相关研究工作进行了梳理。

1. 图1. 光学神经网络相关研究工作时间轴线

文章宏观阐述了光学神经网络（ONN）的发展历史，直观展示了 ONN 的发展历程。

2. ONN 的分类

文章提出了 ONN 的两种分类形式：非集成 ONN 和集成 ONN。

3. 基于光学元器件的 ONN 细分

基于自由空间和片上集成中的不同光学元器件，文章将 ONN 细分为七种类型。

4. 基于不同光学元器件构建的 ONN 设计原理

文章对基于不同光学元器件构建的 ONN 的设计原理进行了介绍。

1. 光学神经网络 (ONN) 的光学元器件

非集成 ONN：

• 透镜组 4f 系统
• 空间光调制器 (SLM)
• 数字微镜系统 (DMD)
• 衍射超表面
• 偏振器
• 光放大器
• 滤波器

集成 ONN：

• 片上马赫-曾德尔干涉仪 (MZI)
• 微环谐振器 (MRR)
• 调制器 (PM/AM)
• 衰减器
• 亚波长衍射器件

2. ONN 的性能指标

• 集成度
• 可重构性
• 非线性
• 可拓展性
• 稳定性
• 通用性

3. 光电混合 ONN 系统

将光学和电子计算相结合，利用 ONN 的算力优势，同时使用电子辅助电路进行参数重构、非线性运算、数据存储和流控。

4. 光电混合 ONN 系统的挑战

• 光/电、电/光转换效率（能耗和速率）优化

1. 图 3. 光电混合 ONN 系统架构

2. 现阶段，ONN 的发展仍处于早期阶段，面临着关键技术难题。因此，其在广泛领域的实际应用仍需时日。

3. 尽管如此，ONN 已在特定专用领域得到应用。

4. 普林斯顿大学研究团队将片上集成 ONN 应用于海底光纤链路的非线性补偿。

5. 剑桥大学研究团队基于光子深度学习开发了边缘计算架构。

6. Lightmatter 公司发布了 Envise 和 Passge 产品。

7. Lightelligence 公司发布了光子计算引擎 (PACE)。

8. 未来，通过不断优化全光 ONN 系统或混合 ONN 系统架构，有望推动全光 ONN 或光电混合 ONN 系统在更广泛的实际场景中应用和发展。

来源：清华大学

终于介绍完啦！小伙伴们，这篇关于《清华电子系陈宏伟团队合作发文综述光学神经网络的进展与挑战》的介绍应该让你收获多多了吧！欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布科技周边相关知识，快来关注吧！