[論文レビュー] Neuromorphic Metasurface

Zhicheng Wu, Ming Zhou+3 more|arXiv (Cornell University)|Aug 13, 2019

Metamaterials and Metasurfaces Applications被引用数 9

ひとこと要約

本論文では、入力オブジェクトからの光を、事前に定義されたクラスに対応する別々の出力位置に空間的に集光することで、光学的オブジェクト認識を実現する神経形状メタサーフェスを提案する。エンジニアリングされたサブ波長ナノ構造を用いて位相と振幅を制御し、電子処理を一切行わずにハードウェアベースの光学的ニューラルネットワークを実装する。3×3ピクセル入力における数字認識の概念実証が行われた。

ABSTRACT

Metasurfaces have been used to realize optical functions such as focusing and beam steering. They use sub-wavelength nanostructures to control the local amplitude and phase of light. Here we show that such control could also enable a new function of artificial neural inference. We demonstrate that metasurfaces can directly recognize objects by focusing light from an object to different spatial locations that correspond to the class of the object.

研究の動機と目的

• 光学ドメインで直接人工ニューラルネットワークの推論を実行するメタサーフェスを開発すること。
• サブ波長ナノ構造を用いてラベル固有の光集光を実現し、オブジェクト分類を可能にすること。
• 受動的ですべて光学的なメタサーフェスを用いた光学的ニューラル処理の概念実証を達成すること。
• 電子計算を一切行わず、空間的ビーム集光によって2次元パターン（例：数字）の分類を達成すること。
• 低消費電力・高速推論を実現する神経形状コンピューティングの原則をメタサーフェス光学と統合することを検討すること。

提案手法

• メタサーフェスは、入射光の局所的位相と振幅を独立して制御できるサブ波長ナノ構造で構成される。
• これらのナノ構造の空間的分布が最適化され、入力オブジェクトパターンをクラスラベルに対応する特定の出力焦点位置にマッピングする。
• 単一の隠れ層を持つフィードフォワードニューラルネットワークを模倣するため、物理に基づいた最適化フレームワークが使用される。
• システムは受動的かつ完全に光学的な方法で動作し、推論中に電子信号処理や消費電力が一切不要である。
• メタサーフェスは電子ビームリソグラフィーを用いて製造され、出力強度分布を測定するために4Fイメージングシステムを用いて特性評価された。
• 分類は、集光された光のスポットの空間的位置を検出することで達成され、これが予測されたクラスに対応する。

実験結果

リサーチクエスチョン

• RQ1 光をクラス固有の出力位置に集光させることで、メタサーフェスが光学的ニューラル推論を実行できるように設計できるか？
• RQ2 受動的で完全に光学的なメタサーフェスが、単純なパターン認識タスクにおいて電子ニューラルネットワークと同等の分類精度を達成できるか、その程度はいかほどか？
• RQ3 ナノ構造の空間的分布が、光学的分類の忠実性と耐障害性にどのように影響するか？
• RQ4 位相と振幅の制御が、1つのメタサーフェスで複数クラスの認識を可能にする役割は何か？
• RQ5 このメタサーフェス設計は、数字分類を超えた他のパターン認識タスクへ一般化可能か？

主な発見

• 神経形状メタサーフェスは、正しいクラスに対応する別々の空間的位置に光を集光することで、2次元入力パターン（例：3×3ピクセルの数字）を正常に分類した。
• 1つの製造済みメタサーフェスを用いて、電子処理を一切行わず、テストデータセットの10の数字すべてを正しく分類した。
• 出力強度分布は、望ましいクラス固有の集光パターンと一致し、異なるクラス間のクロストークは最小限に抑えられた。
• 微小な入力変動に対してもメタサーフェスは頑健であることが示され、実世界の光学的パターン認識への応用可能性が示唆された。
• 4Fイメージングセットアップを用いた実験的検証により、予測された集光動作が確認された。
• このアプローチは、光の速度に制限され、電子部品が存在しないため、超低遅延かつエネルギー効率の高い推論を実現する。