[論文レビュー] All-optical neuromorphic binary convolution with a spiking VCSEL neuron for image gradient magnitudes

Yahui Zhang, Joshua Robertson+4 more|arXiv (Cornell University)|Nov 9, 2020

Neural Networks and Reservoir Computing参考文献 35被引用数 5

ひとこと要約

本論文は、スパiking垂直キャビティ表面発光レーザー（VCSEL）ニューロンを用いた、最初のすべて光技術による神経形状バイナリ畳み込みを提案し、実験的に検証した。デジタル画像からの時間的に符号化された光入力が、1つのVCSELニューロンによって処理され、100 ps未満の持続時間のスパイクトレインが出力され、エッジ検出およびコンponent分離のための画像勾配の大きさを、高速、高エネルギー効率、ノイズ耐性を兼ね備えたリアルタイム計算を可能にする。

ABSTRACT

All-optical binary convolution with a photonic spiking vertical-cavity surface-emitting laser (VCSEL) neuron is proposed and demonstrated experimentally for the first time. Optical inputs, extracted from digital images and temporally encoded using rectangular pulses, are injected in the VCSEL neuron which delivers the convolution result in the number of fast (<100 ps long) spikes fired. Experimental and numerical results show that binary convolution is achieved successfully with a single spiking VCSEL neuron and that all-optical binary convolution can be used to calculate image gradient magnitudes to detect edge features and separate vertical and horizontal components in source images. We also show that this all-optical spiking binary convolution system is robust to noise and can operate with high-resolution images. Additionally, the proposed system offers important advantages such as ultrafast speed, high energy efficiency and simple hardware implementation, highlighting the potentials of spiking photonic VCSEL neurons for high-speed neuromorphic image processing systems and future photonic spiking convolutional neural networks.

研究の動機と目的

• 光スパイキングニューロンを用いて、電子的中間処理を一切行わない完全なすべて光技術による高速神経形状画像処理システムの開発。
• 電子変換を経由せずにリアルタイムで画像勾配の大きさを計算可能にする。
• すべて光技術の枠組み内で、ノイズ耐性と高解像度画像への適合性を示す。
• VCSELの超高速応答性と低消費電力特性を活用し、次世代光神経ネットワークに向けた基盤を構築する。

提案手法

• デジタル画像からの光入力が、バイナリデータを表す矩形光パルスを用いて時間的に符号化される。
• 符号化された光信号が、スパイキングVCSELニューロンに到達し、入力の強度とタイミングに応じて超高速スパイク出力（<100 ps）を生成する。
• 発生するスパイク数が、画像特徴と畳み込みカーネルとの間のバイナリ畳み込み演算の結果を符号化する。
• 水平および垂直エッジ成分に対応するスパイク数を分析することで、画像勾配の大きさを計算する。
• 実験的および数値的検証により、1つのVCSELニューロンを用いたバイナリ畳み込みと勾配の大きさ抽出が成功したことが確認された。
• 将来的な光スパイキング畳み込みニューラルネットワークへのスケーラビリティと統合性を考慮したアーキテクチャ設計がなされた。

実験結果

リサーチクエスチョン

• RQ1 電子的中間処理を一切行わず、1つのすべて光技術のスパイキングVCSELニューロンが、光画像データに対してバイナリ畳み込みを実行できるか？
• RQ2 このシステムが、光スパイク出力のみを用いて、エッジ検出のための画像勾配の大きさを正確に計算できるか？
• RQ3 ノイズ環境下および高解像度画像入力下でのシステムの性能はいかがなものか？
• RQ4 このすべて光技術的手法が、速度、エネルギー効率、ハードウェアの単純さにおいてどのような利点を有するか？
• RQ5 異なる畳み込みカーネルからの別個のスパイクパターンを分析することで、垂直および水平エッジ成分を区別できるか？

主な発見

• 1つのスパイキングVCSELニューロンを用いて、100 ps未満のスパイク応答を示す、すべて光技術によるバイナリ畳み込みが成功した。
• スパイク数出力から正確に画像勾配の大きさが計算され、効果的なエッジ検出が可能となった。
• ノイズ耐性を示し、高解像度画像に対しても安定して動作した。
• VCSELニューロンの光技術的特性のおかげで、超高速処理速度と高いエネルギー効率が達成された。
• 異なる畳み込みカーネルからの別個のスパイクパターンを分析することで、垂直および水平エッジ成分を分離可能であった。
• 実験結果により、スパイキングVCSELを用いた高速ですべて光技術の神経形状画像処理の実現可能性が確認された。