使用空间非相干衍射光网络进行复值线性变换
发布时间：2024-01-23 01:00:05 阅读数： 36
使用空间非相干衍射网络的复值线性变换(a)空间非相干衍射网络模型的工作流程:输入向量的复值元素由一组实的、非负的强度值(拼接)表示。所得到的输入强度图被送入非相干衍射网络。在输出端，从一组预定义的强度像素(去马赛克)合成一个复值向量元素。(b)图像加密应用。字母“U”和“C”以复杂图像的幅度和相位进行编码，该图像经过数字加密，然后使用空间非相干衍射网络进行解密。解密后的复图像与原始图像非常匹配。来源:Ozcan Lab / UCLA在最先进的神经网络中，大部分计算包括线性运算，例如矩阵向量乘法和卷积。线性运算在密码学中也扮演着重要的角色。虽然gpu和tpu等专用处理器可用于执行高度并行的线性操作，但这些设备非常耗电，而且电子设备的低带宽仍然限制了它们的操作速度。光学由于其固有的并行性、大带宽和计算速度而更适合这种操作。
衍射深度神经网络(D2NN)，也被称为衍射网络，建立在一组空间工程薄表面上，形成了一种最近出现的光学计算架构，能够以超薄体积的光传播速度被动地执行计算任务。
这些特定任务的全光计算机是通过学习其组成衍射面的空间特征来数字化设计的。在这个一次性的设计过程中，优化的表面被制造和组装，形成衍射光网络的物理硬件。
在发表于《Advanced Photonics Nexus》的论文中，由加州大学洛杉矶分校校长教授和Volgenau工程创新主席Aydogan Ozcan领导的研究小组介绍了一种在空间非相干照明下用衍射网络进行复值线性运算的方法。
以前，同一组已经证明，具有足够自由度的衍射网络可以用空间相干光进行任意复值线性变换，误差可以忽略不计。
相反，对于空间非相干光，这些网络可以执行输入光强的任意线性变换，如果定义变换的矩阵元素是实数和非负的。鉴于空间非相干照明光源越来越普遍，也更容易获得，因此越来越需要空间非相干衍射处理器来处理非负数值以外的数据。
通过将预处理和后处理步骤结合起来，用一组非负实数表示复数，加州大学洛杉矶分校的研究人员已经将空间非相干衍射网络的处理能力扩展到复数领域。他们证明，如果设计中有足够数量的可优化的相位衍射特征，这种非相干衍射处理器可以设计成执行任意复值线性变换，误差可以忽略，并且随输入和输出复向量空间的尺寸缩放。研究人员通过使用空间非相干衍射网络对复值图像进行加密和解密，展示了这种新方案的应用。除了视觉图像加密之外，这种空间非相干衍射处理器也可用于其他应用，例如在自动驾驶汽车中进行超快速和低功耗的自然场景处理。
