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
- 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
- 在线训练好
- 基于扰动优化的方法:效率低(bueno2018reinforcement、wu2023lithography)
- 基于梯度的方法:规模小(pai2023experimentally、hermans2015trainable、psaltis1988adaptive)
- 在线前向传播,离线反向传播:麻烦(wright2022deep、peng2020neural、spall2022hybrid)
- 在线训练的难点:
- 需要一个可微分的参数化公式
- 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
- 输入图像通过调制区域,得到 $M_Kx$
- 再通过传播区域,得到 $SystemFoward(M_Kx)$
- f(x)不知道是啥,得到 $f(SystemFoward(M_Kx))$
- M是啥原理
- f(x)是啥
- 误差传播咋传的
- 梯度咋算的
1. - 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??
传播分为两部分:传播区和调制区
light propagation
error propagation
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
太极-Ⅰ是啥
x与y是啥关系???为啥符合格林函数的公式
是根据光强调整折射率吗?咋根据光强调整折射率的?
知识
高分辨率散射成像:
用了多种优化方法,所以优化的是啥
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?
跟聚焦有啥关系?
- 感觉只有照相机能用啊,非成像系统咋用
- 我理解的:分辨率板,通过一组散射介质,再用太极聚焦。
动态全光非视距系统:
- 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?
- 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?
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
calibration:校准
indice:指数
beam splitters(BM):分束器
half-wave plates(HWP):半波片
refractive:折射的
refractive index(RI):折射率
格林函数 Green’s Function
洛伦兹互易原理 Lorentz reciprocity
vice versa 反之亦然
多想多做,发篇一作