SIST 科研进展
王成课题组成功开发出基于波分复用的并行储备池光计算神经网络。近日，该成果以 “Scalable Wavelength-Multiplexing Photonic Reservoir Computing”为题在国际知名期刊APL: Machine Learning上发表，且论文被评选为Editor’s Pick（该期刊创刊以来仅有3篇入选）。
目前，人工智能领域大规模神经网络模型的发展对基于冯诺依曼架构的数字计算架构的算力提出了巨大的挑战。相对于电计算，光计算架构具有能效比高、时延低和并行度高的优势，成为提高计算机算力最有力的解决方案之一。储备池光计算是一种特殊的循环神经网络，因具有记忆特性，极其善于处理包括时序预测、实时信号处理等时序相关的任务。然而，目前储备池光计算网络还存在并行度低、深度浅的问题，限制了其处理现实中复杂任务的能力。
王成课题组基于波分复用技术实现了储备池光计算网络的并行运算。该储备池光计算架构由法布里-珀罗半导体激光器和光学反馈环构成（图一），其中光学反馈环为储备池提供大量的虚拟神经元。不同于仅具有单个纵模的分布反馈式激光器，法布里-珀罗激光器具有几十上百个纵模。研究人员采用激光器的多路纵模作为并行连接的物理神经元，成倍地提高储备池的神经元数目且/或计算系统的时钟频率。实验证实四通道并行的方案将储备池光计算的时钟频率提高四倍至1.0 GHz，同时大幅度改善其在光纤通信非线性均衡器应用中的性能（图二）。此外，该并行计算方案具有极好的可拓展性，近期有望实现10 GHz以上的运行频率。
图1. 并行储备光计算神经网络实验装置
图2. 并行储备池光计算在非线性均衡器中的性能
上海科技大学为该研究成果的唯一完成单位，2022级博士生李睿潜（虞晶怡教授联培生）和2022级硕士生申祎玮（何旭明教授联培生）为共同第一作者，王成教授为通讯作者。
文章链接/点击文末“阅读原文”跳转：
https://pubs.aip.org/aip/aml/article/1/3/036105/2902962/Scalable-wavelength-multiplexing-photonic?searchresult=1
沪公网安备 31011502006855号
