[論文レビュー] Data repository of "Arbitrary control over multimode wave propagation for machine learning"

Tatsuhiro Onodera, Martin M. Stein|arXiv (Cornell University)|Feb 27, 2024

Neural Networks and Reservoir Computing被引用数 4

ひとこと要約

本論文は、光伝導性増幅と電気光学効果を組み合わせることで、集積フォトリックチップにおけるマルチモード光波導伝播を任意かつ再構成可能に制御できる2次元プログラマブル波導を提案する。12 mm²のチップで10⁴のプログラマブル自由度を有し、96%の正確性で母音分類、86%の正確性でMNISTの0〜9の識別が可能であり、離散部品ベースのフォトリックニューラルプロセッサのスケーラブルな代替手段を示している。

ABSTRACT

On-chip photonic processors for neural networks have potential benefits in both speed and energy efficiency but have not yet reached the scale at which they can outperform electronic processors. The dominant paradigm for designing on-chip photonics is to make networks of relatively bulky discrete components connected by one-dimensional waveguides. A far more compact alternative is to avoid explicitly defining any components and instead sculpt the continuous substrate of the photonic processor to directly perform the computation using waves freely propagating in two dimensions. We propose and demonstrate a device whose refractive index as a function of space, $n(x,z)$, can be rapidly reprogrammed, allowing arbitrary control over the wave propagation in the device. Our device, a 2D-programmable waveguide, combines photoconductive gain with the electro-optic effect to achieve massively parallel modulation of the refractive index of a slab waveguide, with an index modulation depth of $10^{-3}$ and approximately $10^4$ programmable degrees of freedom. We used a prototype device with a functional area of $12\, ext{mm}^2$ to perform neural-network inference with up to 49-dimensional input vectors in a single pass, achieving 96% accuracy on vowel classification and 86% accuracy on $7 imes 7$-pixel MNIST handwritten-digit classification. This is a scale beyond that of previous photonic chips relying on discrete components, illustrating the benefit of the continuous-waves paradigm. In principle, with large enough chip area, the reprogrammability of the device's refractive index distribution enables the reconfigurable realization of any passive, linear photonic circuit or device. This promises the development of more compact and versatile photonic systems for a wide range of applications, including optical processing, smart sensing, spectroscopy, and optical communications.

研究の動機と目的

• 離散部品ベースのチップ内フォトリックニューラルプロセッサのスケーラビリティの制限を克服すること。これは、大きな部品の占有面積と製造誤差による制限がある。
• 動的にプログラミング可能な屈折率分布 n(x,z) を用いて、1つのフォトリックチップ内でマルチモード波導伝播を任意かつ再プログラミング可能に制御すること。
• 訓練済みのデジタル前処理または後処理を必要とせず、大きな入力ベクトルサイズをサポートできる、コンactなスケーラブルなフォトリックニューラルネットワークプラットフォームを実証すること。
• 任意の受動的・線形フォトリック回路をプログラマブル屈折率彫刻によって実現できる、連続波で部品のないフォトリックコンピューティングのパラダイムを確立すること。

提案手法

• 光伝導性層とリチウムニオブ酸塩波導のハイブリッド統合により、電場の印加と光励起によって屈折率を高速かつ並列に変調可能である。
• マイクロLEDディスプレイを波導の電極に直接接合させ、空間多重光励起を可能にし、高分解能でマイクロメートルスケール以下の屈折率変調を実現する。
• 12 mm²の機能領域で屈折率変調深さが1×10⁻³に達し、約10⁴の独立したプログラマブル自由度を有する。
• システムは、入力ベクトルを入射光モードの振幅および位相にエンコードし、再プログラミングされた波導を通じて伝播させ、出力強度パターンを生成することでニューラルネットワーク推論を実行する。
• 波導は、所望の線形変換（例えば行列-ベクトル乗算）を達成するために、屈折率プロファイルを形状合わせるための微分可能最適化フレームワークで訓練される。
• スケールアップされたデバイス（6 cm長、Δn_max = 5×10⁻³）のシミュレーションでは、N=150までの入力次元で高精度なユニタリ操作が可能であり、9%の透過率と行列要素の最大25%の誤差を示した。

実験結果

リサーチクエスチョン

• RQ1 チップ内フォトリックプラットフォームで、完全に再構成可能で連続的な2次元屈折率プロファイルを動的にプログラミング可能であり、任意の線形光変換を可能にするか。
• RQ2 部品フリーでマルチモード波導アーキテクチャは、従来の離散部品ベースのフォトリックニューラルプロセッサと比較して、スケーラビリティと推論正確性の面でどの程度優れているか。
• RQ3 1回通過の再プログラミング可能なフォトリックチップで、デジタル前処理または後処理を一切行わずに、最大でどの程度の入力ベクトルサイズと推論正確性が達成可能か。
• RQ4 プログラマブル波導における大規模ユニタリ操作の忠実度は、屈折率変調深さとチップ長が増加するに従ってどのようにスケーリングするか。

主な発見

• プロトタイプの2次元プログラマブル波導は、デジタル前処理や後処理を一切行わず、1回の光通過で49次元の母音入力ベクトルを96%の正確性で分類した。
• チップは7×7ピクセルのMNIST手書き数字分類タスクで86%の正確性を達成し、従来の離散部品ベースのフォトリックチップを上回る性能を示した。
• 12 mm²の領域で10⁴のプログラマブル自由度を有し、屈折率変調深さが1×10⁻³に達しており、波動伝播の細かい制御が可能である。
• スケールアップされたデバイス（6 cm長、Δn_max = 5×10⁻³）のシミュレーションでは、N=150までの入力次元で高精度なユニタリ行列操作が可能であり、透過率9%、行列要素の目標値との一致度が25%以内であった。
• 波導とマイクロLEDの統合により、高分解能かつ並列な光励起が可能であり、ピクセルピッチ0.87 µmが十分に45 mW/cm²の強度で光伝導体を駆動できる。
• このプラットフォームは、任意の受動的・線形フォトリック回路の再構成的実現を可能にし、光学処理、センシング、通信分野への広範な応用可能性を示唆している。