یکپارچه سازی نوری فوق العاده سریع و طبقه بندی الگو برای فوتونیک نورومورفیک بر اساس سلولهای عصبی VCSEL

خلاصه

در دنیای داده محور امروز ، توانایی پردازش حجم زیاد داده بسیار مهم است. وظایف کلیدی ، مانند شناسایی الگو و طبقه بندی تصویر ، برای شبکه های عصبی مصنوعی (ANN) که از مغز الهام گرفته شده اند بسیار مناسب است. رویکردهای محاسباتی نورومورفیک با هدف تحقق فیزیکی شبکه های عصبی عصبی به طور سنتی توسط سیستم عامل های میکرو الکترونیکی پشتیبانی می شود ، اما اخیراً ، تکنیک های فوتونیک برای شبیه سازی عصبی با توجه به ویژگی های منحصر به فرد آنها (به عنوان مثال عملیات فوق سریع ، پهنای باند بزرگ ، مکالمه کم) ظهور کرده اند.   با این وجود ، سیستم های سخت افزاری نورون های سنبله گیر فوتونیکی که قادر به انجام کارهای پردازشی با سرعت بالا و با کار مداوم هستند ، دست نیافتنی هستند. این کار یک گزارش آزمایشی از نورونهای سنبله ای لیزر ساطع کننده سطح عمودی-حفره را نشان می دهد که وظایف مختلف پردازش عملکردی ، از جمله تشخیص تصادف و تشخیص الگو ، با سرعت فوق العاده سریع را نشان می دهد. علاوه بر این ، رویکرد ما به پیاده سازی سخت افزار ساده با استفاده از اجزای خارج از قفسه متکی است. بنابراین این نتایج چشم اندازهای جالب توجهی را برای سیستم عامل های فوتونی نورومورفیک رمان ، جمع و جور و پرسرعت برای محاسبات آینده و سیستم های هوش مصنوعی در خود جای داده است.