技术论文题为“分析光学损耗和串扰噪声MZI-based连贯的光子神经网络”由科罗拉多州立大学的研究人员发表(柯林斯堡),NVIDIA和亚利桑那州立大学。
文摘:
“连续的规模和复杂性增加机器学习模型,需要专门的硬件有效运行这种模式正在迅速增长。解决这种需求,silicon-photonic-based神经网络(SP-NN)加速器最近成为一个有前途的替代电子加速器由于其较低的延迟和更高的能源效率。SP-NNs不仅可以缓解扇入和扇出问题,线性代数处理器,其操作带宽可以匹配的光电探测率(通常是100 GHz),至少在一个数量级的速度比电子同行,仅限于几个GHz的时钟频率。不幸的是,底层硅光子设备SP-NNs受到固有光学损失和串扰噪声来自制造缺陷和不受欢迎的光学耦合,这积累随着网络规模的影响。因此,推测精度等可以影响SP-NN低效——例如,可以下降到低于10%——的影响尚未完全研究。在这篇文章中,我们综合模型光学损耗和串扰噪声使用自底向上方法,从设备到系统层面,在相干SP-NNs (MZI)设备使用马赫-泽德干涉。提出的模型可以应用于任何SP-NN具有不同配置的架构分析损耗和串扰的影响。这样的分析是很重要的,有推测准确性和可伸缩性需求在设计一个SP-NN会面。使用该分析框架,我们将展示一种高功率损失和灾难性的推测精度下降高达84%的SP-NNs不同尺度(即三个已知MZI网配置。顾虑,克莱门茨和钻石)由于积累的光学损耗和串扰噪声。”
找到技术论文。2023年8月出版(预印本)。
阿明,Shafiee Sanmitra Banerjee, Krishnendu Chakrabarty, Pasricha Sudeep,马赫迪Nikdast。“分析的光学损耗和串扰噪声MZI-based连贯的光子神经网络。“arXiv预印本arXiv: 2308.03249 (2023)。
留下一个回复