Light | 基于液态光的神经形态网络
LightScienceApplications
2025-02-07 14:52
文章摘要
本文介绍了一种基于极化激元的神经形态网络架构，该架构利用极化激元的量子液体光特性，实现了超快的信号处理和高效的图像与声音识别。研究背景指出，传统的人工神经网络在冯·诺伊曼架构上存在数据处理瓶颈，而极化激元网络通过其高群速度和相干性，提供了更高的处理速度和能效。研究目的是开发一种新型的二进制神经网络（BNN），该网络使用二进制输入和输出，以减少内存使用和功耗。实验结果显示，该网络在手写数字和语音命令识别任务中表现出色，准确率高达97.5%，超越了现有的光学实现网络。结论强调了极化激元BNN在物联网和边缘计算等资源有限环境中的应用潜力。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿，本站转载出于非商业性的教育和科研之目的，并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题，请作者速来电或来函联系。
京公网安备 11010802042870号
京ICP备2023020795号-1
