[論文レビュー] Diffractive Interconnects: All-Optical Permutation Operation Using Diffractive Networks

Deniz Mengü, Yifan Zhao+3 more|arXiv (Cornell University)|Jun 21, 2022

Optical Network Technologies参考文献 87被引用数 22

ひとこと要約

本論文では、深層学習を用いて訓練された回折型光ネットワークを提示し、数十万の入出力チャネルにわたる大規模な全光的置換操作を実現する。これにより、受動的で低消費電力かつ高速な相互接続が可能になる。3Dプリントされた透過型層を用いて、THz帯域の回折型置換ネットワークの初の実験的実証が達成され、625の相互接続が実現された。訓練により物理的ずれや製造誤差に対する耐性が確保された。

ABSTRACT

Permutation matrices form an important computational building block frequently used in various fields including e.g., communications, information security and data processing. Optical implementation of permutation operators with relatively large number of input-output interconnections based on power-efficient, fast, and compact platforms is highly desirable. Here, we present diffractive optical networks engineered through deep learning to all-optically perform permutation operations that can scale to hundreds of thousands of interconnections between an input and an output field-of-view using passive transmissive layers that are individually structured at the wavelength scale. Our findings indicate that the capacity of the diffractive optical network in approximating a given permutation operation increases proportional to the number of diffractive layers and trainable transmission elements in the system. Such deeper diffractive network designs can pose practical challenges in terms of physical alignment and output diffraction efficiency of the system. We addressed these challenges by designing misalignment tolerant diffractive designs that can all-optically perform arbitrarily-selected permutation operations, and experimentally demonstrated, for the first time, a diffractive permutation network that operates at THz part of the spectrum. Diffractive permutation networks might find various applications in e.g., security, image encryption and data processing, along with telecommunications; especially with the carrier frequencies in wireless communications approaching THz-bands, the presented diffractive permutation networks can potentially serve as channel routing and interconnection panels in wireless networks.

研究の動機と目的

• 受動的回折型ネットワークを用いて、大規模な置換操作をスケーラブルに実装する全光的手段の開発。
• 深層回折型光システムにおける物理的アライメントと回折効率の実用的課題の解決。
• 深層学習を用いて、横方向、軸方向、回転方向の誤差に耐性を持つ、ずれに強い回折型ネットワークの設計。
• 3Dプリントされた回折型層を用いた、初のTHz帯域回折型置換ネットワークの実験的検証。
• THz通信、光相互接続、およびセキュアなデータ処理への応用の実現。

提案手法

• 複数の透過型層にわたる位相および振幅変調を設計するために、深層学習を用いて訓練された回折型光ネットワーク。
• 勾配降下法と誤差逆伝播法を用い、波長スケールの伝送素子を最適化。
• 物理的ずれ（横方向、軸方向、回転方向）を訓練中に確率変数としてモデル化し、耐性を向上。
• 訓練時に材料厚さの統計的ばらつきを組み込むことで、製造誤差に強いネットワークを設計。
• 各入力画素を逐次活性化する前方モデルを用い、出力強度分布を記録することで、置換行列の列を形成。
• 光学的損失を補正するためのスケーリング係数σPを適用し、PSNRおよびSSIM指標を用いて性能を評価。

実験結果

リサーチクエスチョン

• RQ1 深層学習で訓練された回折型光ネットワークは、高い正確性とスケーラビリティを備えて大規模な置換操作を実行できるか？
• RQ2 回折型層の数とトレーニング可能な要素の数が、特定の置換を近似するネットワークの能力にどのように影響するか？
• RQ3 訓練によって、回折型ネットワークが物理的ずれや製造不具合に対してどれほど耐性を持たせられるか？
• RQ4 THz周波数帯域で、高密度相互接続を実現する回折型置換ネットワークを実験的に実証できるか？
• RQ5 実際の物理的誤差条件下でのPSNRおよびSSIM指標におけるネットワークの性能はいかほどか？

主な発見

• 実験的実証において、25×25の置換行列に対してPSNRが34.2 dB、SSIMが0.98を達成した。
• 3Dプリントされた回折型層を用いて、THz帯域で1回の全光的パスで625の相互接続（25×25）を正常に実現した。
• 回折型層の数とトレーニング可能な伝送要素の数が増加するに従い性能が比例して向上し、数十万の相互接続へのスケーラビリティが示された。
• 模擬ずれ条件下でも高い正確性を維持した「ワクチン化された」回折型ネットワーク（v-D2NN）は、∆x = ∆y = 0.67λv、∆z = 24λv、∆θ = 4°（v = 0.5）の条件下で安定した性能を示した。
• 回折ニューロンの材料厚さに±0.0415λの変動を訓練段階で組み込むことで、製造誤差に対する耐性が実証された。
• GTX 1080 Ti GPUを用いて、1層あたり40,000ニューロンの5層ネットワークを5エポックで訓練するのに約4日間を要し、訓練パイプラインの実現可能性が確認された。