实体
Optical Neural Networks
Optical Neural Networks
PulseAugur coverage of Optical Neural Networks — every cluster mentioning Optical Neural Networks across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
编码代理使用“代码即光学”方法训练光学神经网络
研究人员开发了一种名为“代码即光学”的新颖方法,该方法利用由大型语言模型驱动的编码代理,直接从硬件测量中训练光学神经网络。这种方法绕过了对每个设备进行校准或复杂梯度计算的需要,而是允许代理学习光学系统的物理特性并优化其参数。与传统的无梯度技术相比,该方法在分类和图像编码任务中表现出优越的性能,为开发光学神经网络提供了更具成本效益和可扩展性的途径。
-
论文提出光学神经网络的功能评估方法
一篇新论文提出了一种用于光学神经网络(ONN)和机器学习中使用的其他物理模拟计算平台的功能评估方法。该方法包括定义模块的输入/输出边界,用数字模块替换它以找到性能匹配,然后将系统级声明与这些数字对应物进行比较。这种方法旨在通过提供一个具体的数字参考点,而无需深入了解底层物理原理,来分离出物理组件的特定贡献,例如速度或能效。
-
AI框架推动硅光子设计和能量收集AI概念的发展
研究人员开发了PICasso,一个支持AI的框架,它使用自然语言来设计、验证和优化硅光子集成电路。该框架将大型语言模型与领域特定知识和物理验证相结合,以提高设计满意度并减少插入损耗。另外,一个名为SOLACE的概念架构提出将集成光伏与光学神经网络和低功耗CMOS相结合,以创建能够收集环境光的节能AI推理系统。