Zen的小站

小舟从此逝,江海寄余生

0%

【光子神经网络】太极-Ⅱ

文章概览

太极-Ⅱ(Fully forward mode training for optical neural networks)

基本信息

  • 发表时间:2024.8
  • 发布期刊:Nature
  • 作者:清华方璐、戴琼海

特点

  • 利用光子传播对称性训练光子神经网络

思路

  1. 光学人工智能好,但是都要在电脑上建模设计,不能实时训练。有麻烦,又受到搭建时的误差影响
  2. 在线训练好
    1. 基于扰动优化的方法:效率低(bueno2018reinforcement、wu2023lithography)
    2. 基于梯度的方法:规模小(pai2023experimentally、hermans2015trainable、psaltis1988adaptive)
    3. 在线前向传播,离线反向传播:麻烦(wright2022deep、peng2020neural、spall2022hybrid)
  3. 在线训练的难点:
    1. 需要一个可微分的参数化公式
    2. 光场反向传播复杂?

原理

伪代码

FFM训练总共包含四个部分:data propagation、error propagation、gradient calculation、FFMLearning(理解:利用同一个光学计算路径,计算梯度,更新折射率)

data propagation

把图输入,得到输出

  1. 输入图像通过调制区域,得到 $M_Kx$
  2. 再通过传播区域,得到 $SystemFoward(M_Kx)$
  3. f(x)不知道是啥,得到 $f(SystemFoward(M_Kx))$
  1. M是啥原理
  2. f(x)是啥
  3. 误差传播咋传的
  4. 梯度咋算的
    1.
  5. 咋更新的
  • 与目标比较,得到误差
  • 重新输入,得到输出
  • 然后咋咋,得到梯度??
  1. 传播分为两部分:传播区和调制区

  2. light propagation

  3. error propagation

  4. foward propagation

Modulation原理

调制的公式表达

其中 $\Delta d$ 是调制距离,$\lambda$ 是波长,$n_R, n_I$ 是折射率的实部和虚部

梯度

疑问

  1. 太极-Ⅰ是啥

  2. x与y是啥关系???为啥符合格林函数的公式

  3. 是根据光强调整折射率吗?咋根据光强调整折射率的?

知识

  1. 高分辨率散射成像:

    1. 用了多种优化方法,所以优化的是啥

    2. 成像是一个模糊的分辨率板,所以输入是个清晰的分辨率板?

    3. 跟聚焦有啥关系?

    4. 感觉只有照相机能用啊,非成像系统咋用
    5. 我理解的:分辨率板,通过一组散射介质,再用太极聚焦。
  2. 动态全光非视距系统:

    1. 以超过千赫兹的帧频对隐藏在直接视线之外的物体进行并行成像?
    2. 并且可以在室温下进行光强弱至亚光子每像素(每秒5.40 × 1018次操作的能量效率)的全光处理?
  3. 非厄密系统中的无模型异常点搜索:

    好像就是找一个点的位置

  4. calibration:校准

  5. indice:指数

  6. beam splitters(BM):分束器

  7. half-wave plates(HWP):半波片

  8. refractive:折射的

  9. refractive index(RI):折射率

  10. 格林函数 Green’s Function

  11. 洛伦兹互易原理 Lorentz reciprocity

  12. vice versa 反之亦然

多想多做,发篇一作

-------------本文结束感谢您的阅读-------------
// 在最后添加