研究人员开发了一种深度光子神经形态网络（PNN）架构，该架构利用相变材料（PCM）突触和局部光反馈来实现无监督赫布学习。这种新颖的方法通过直接利用相关的突触前和突触后光活动进行适应，从而绕开了外部梯度或复杂的电光转换的需要。使用光纤组件和可编程衰减器的实验证明了该系统能够实现自适应突触演化、光推理和自主模式编码，为节能、集成光子神经形态系统铺平了道路。 AI
影响 为图像识别等任务实现更节能、可扩展的神经形态计算。
排序理由 该集群包含一篇详细介绍光子神经形态网络新颖架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- fiber-optic components
- Hebbian Learning
- image-recognition tasks
- optical feedback
- phase-change material
- photonic crossbar
- Photonic Integrated Circuits Accessible to Everyone
- photonic neuromorphic networks
- programmable variable optical attenuators
- Qing Gu
- synapse
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
