ブログ

Aug 13, 2023

WDMとコヒーレント線形光学を組み合わせたプログラム可能なフォトニックニューラルネットワーク

Scientific Reports volume 12、記事番号: 5605 (2022) この記事を引用する 4884 アクセス 19 引用 1 オルトメトリクスの詳細 ニューロモーフィック フォトニクスは、これまでコヒーレントまたは

Scientific Reports volume 12、記事番号: 5605 (2022) この記事を引用

4884 アクセス

19 件の引用

1 オルトメトリック

メトリクスの詳細

ニューロモーフィック フォトニクスはこれまで、ドット積またはベクトルと行列の乗算を可能にするコヒーレント デザインまたは波長分割多重 (WDM) デザインのみに依存しており、これにより非常に多様なアーキテクチャが誕生しました。 ここでは、さらに一歩進んで、計算目的を果たすのではなく、ファンインおよび/または重み付けステージにわたる並列化機能でレイアウトを強化するために WDM を採用し、コヒーレント光学系と WDM を組み合わせたニューロン アーキテクチャを初めて提示します。多機能でプログラム可能なニューラル ネットワーク プラットフォーム。 当社の再構成可能なプラットフォームは、同じフォトニック ハードウェア上で 4 つの異なる動作モードに対応し、マルチレイヤー、畳み込み、完全接続、省電力レイヤーをサポートします。 クロストーク、チャネル間隔、重要な光学要素のスペクトル依存性を考慮して、4 つの動作モードすべてで良好なパフォーマンスが数学的に検証され、MAC 相対誤差 \(< 2\%\) で信頼性の高い動作が得られると結論付けています。

人工知能 (AI) と深層学習 (DL) の爆発的な成長と、フォトニック統合の成熟により、計算タスクで光学を使用する新たな機会が生まれました 1、2、3、4、5。 ニューラル ネットワーク (NN) ハードウェアでフォトンと関連する光学技術を使用すると、それぞれの NN 電子プラットフォームと比較して 1 秒あたりの積和演算 (MAC) 演算が大幅に向上すると予測されており、計算エネルギーと面積効率は以下に達すると推定されています。 < fJ/MAC および > TMAC/s/mm\(^{2}\) それぞれ 6,7。 この NN ハードウェア パラダイム シフトを実現するための経路は、チップ スケールで提供できる小型かつ低電力の重み付け機能とともに、統合されたフォトニクス テクノロジによってサポートされる高いライン レートを活用することを目的としています。 これまでのところ、重み付けの目的で利用されるフォトニックデバイスの大部分は、熱光学（T/O）移相器9、10や相変化材料（PCM）ベースの不揮発性メモリ構造4、8など、ゆっくりと再構成可能な要素に重点を置いています。これは、現在、推論アプリケーションがニューロモーフィック フォトニクスの領域内の主なターゲットとして考えられていることを意味します 3。

実際、推論エンジンには、かなり静的なニューロン アーキテクチャと、特定の AI タスクを最適に実行するために通常定義される層接続グラフが必要です。 たとえば、オブジェクト追跡や画像分類は通常、多数の畳み込み層とそれに続く 1 つ以上の完全接続 (FC) 層を介して実行されますが、オートエンコーダには FC 層のカスケード ステージが必要です11、12。 畳み込み層と FC 層は、ほぼすべての推論プラットフォームで重要なアーキテクチャ要素を構成しますが、層や層ごとのニューロンの数や接続グラフなど、多数のパラメータのセットは、対象となる DL アーキテクチャとアプリケーションに応じて大きく異なる可能性があります。 電子実装では、特定の推論タスク用にカスタマイズされた特定用途向け集積回路 (ASIC) が使用される場合がありますが、複数のアプリケーションで同じハードウェアを利用するために再プログラム可能性と再構成可能性が必要な場合には、GPU、TPU、さらには FPGA の使用が避けられなくなります。

再構成機能をフォトニック (P)-NN 実装に移行するには、同じニューラル ハードウェア上でさまざまな機能レイアウトを柔軟にサポートできるプラットフォームが必要です。 フォトニクスにおけるプログラマビリティはここ数年で大幅に進歩しており 14、15、16 、プログラマブルなフォトニック集積回路 (PIC) は、コスト効率が高く、柔軟で多機能のフォトニック プラットフォームのコンセプトに厳密に従うことができるフォトニック プラットフォームのリリースに向けて重要な利点を提供することが示されています。電子FPGA17. この取り組みでは、適切なアーキテクチャ方式内でゆっくりと再構成可能な \(2 \times 2\) マッハツェンダー干渉計 (MZI) スイッチを使用するだけで、大規模な回路接続と機能のオプションが得られることも強調されています 14,15 。 ただし、NN アーキテクチャの特異性は、プログラマブル フォトニック実装では現在まだ提供されていない代替機能に沿って進める必要があります。 重み値の再構成は実際に最先端のフォトニック重み付け技術によって提供できます 4,8,9,10 が、プログラム可能な活性化関数への視点の変化も現れ始めています 16,18,19 が、これまでに実証されているニューロモーフィック フォトニック アーキテクチャ線形ニューロン ステージの再構成メカニズムはサポートされていません。 PNN はこれまで、線形ニューラル層を実現するための 2 つの主要なアーキテクチャ カテゴリに沿って進歩してきました。そこでは、波長分割多重 (WDM) プラットフォームとコヒーレント プラットフォームが離散的かつ並列のロードマップに従っているように見えます。 (i) インコヒーレントまたは WDM ベースのレイアウト。離散的な波長は、同じニューロン内の各軸索に使用されます 3、4、20、および (ii) コヒーレント干渉計スキームでは、単一の波長がニューロン全体にわたって利用され、加重和演算のためにコヒーレント電場間の干渉を利用します 9、10。