[論文レビュー] Nonlinear Optical Joint Transform Correlator for Low Latency Convolution Operations

Jonathan George, Maria Solyanik‐Gorgone+3 more|arXiv (Cornell University)|Feb 14, 2022

Optical Network Technologies被引用数 6

ひとこと要約

本論文は、4f光学系内での全光的非線形性（特に四波混合）を活用することで、近似的にゼロ遅延の畳み込み演算を実現する非線形光学的共同変換相関器（NL-JTC）を提案する。この手法により、計算複雑度はO(n⁴)からO(n²)に低減され、数百万チャネルにわたる大規模並列処理が可能となり、ε近辺零（ENZ）効果により信号対雑音比（SNR）が10³以上向上する。

ABSTRACT

Convolutions are one of the most relevant operations in artificial intelligence (AI) systems. High computational complexity scaling poses significant challenges, especially in fast-responding network-edge AI applications. Fortunately, the convolution theorem can be executed on-the-fly in the optical domain via a joint transform correlator (JTC) offering to fundamentally reduce the computational complexity. Nonetheless, the iterative two-step process of a classical JTC renders them unpractical. Here we introduce a novel implementation of an optical convolution-processor capable of near-zero latency by utilizing all-optical nonlinearity inside a JTC, thus minimizing electronic signal or conversion delay. Fundamentally we show how this nonlinear auto-correlator enables reducing the high $O(n^4)$ scaling complexity of processing two-dimensional data to only $O(n^2)$. Moreover, this optical JTC processes millions of channels in time-parallel, ideal for large-matrix machine learning tasks. Exemplary utilizing the nonlinear process of four-wave mixing, we show light processing performing a full convolution that is temporally limited only by geometric features of the lens and the nonlinear material's response time. We further discuss that the all-optical nonlinearity exhibits gain in excess of $>10^{3}$ when enhanced by slow-light effects such as epsilon-near-zero. Such novel implementation for a machine learning accelerator featuring low-latency and non-iterative massive data parallelism enabled by fundamental reduced complexity scaling bears significant promise for network-edge, and cloud AI systems.

研究の動機と目的

• エッジおよびクラウドAIシステムにおける畳み込み演算の高い計算遅延と複雑度を解決すること。
• 古典的共同変換相関器（JTC）の反復的2段階処理の制限を、全光的非線形性によって克服すること。
• リアルタイム機械学習応用に適した低遅延・高帯域幅の畳み込み処理を実現すること。
• 位相誤差、傾き、ビーム幅などの実用的光学系パラメータ下でのNL-JTCのスケーラビリティおよび耐障害性を実証すること。
• 今後のコンactな光エナメル型AIアクセラレータのためのオンチップ光素子の統合を検討すること。

提案手法

• 非線形媒質（例：Si₃N₄またはENZ材料）を用いた4f光学配置を採用し、フーリエ平面上で全光的四波混合を実行する。
• 入力信号h(x,y)とg(x,y)をコherently合成し、レンズL₁を介してフーリエ変換を行い、空間周波数スペクトルを生成する。
• フーリエ平面上での四波混合による非線形強度しきい値処理により、電子変換を経ずに直接的かつ反復的でない畳み込みが可能になる。
• 出力をレンズL₂を介して伝搬させることで逆フーリエ変換を実行し、リアルタイムに完全な畳み込みを出力する。
• 位相誤差、変調深度、ビーム幅、傾き角度、焦点距離を変化させた条件下で、信号対雑音比（SNR）およびシステム性能をシミュレーションする。
• ε近辺零（ENZ）材料におけるスローライト効果を活用し、非線形利得を10³以上に向上させる。

実験結果

リサーチクエスチョン

• RQ1 JTCアーキテクチャにおける全光的非線形性が、電子変換遅延を排除し、近似的にゼロ遅延の畳み込みを可能にするか？
• RQ2 提案されたNL-JTCが2次元畳み込みのO(n⁴)複雑度をどの程度O(n²)に低減できるか？
• RQ3 位相誤差、ビーム幅、傾き角度などのシステムレベルのパrameter変動がSNRおよび出力忠実度に与える影響はいかほどか？
• RQ4 ENZ材料または場所限定非線形構造の使用が、光学プロセッサにおける非線形利得を顕著に向上させるか？
• RQ5 このようなシステムの理論的およびシミュレーテッドな性能限界は、数百万チャネルにわたる並列処理およびスケーラビリティの観点でどの程度か？

主な発見

• 提案されたNL-JTCは、古典的JTCの反復的2段階処理を1つの全光的非線形操作に置き換えることで、近似的にゼロ遅延の畳み込みを実現する。
• 光学的フーリエドメイン処理の内在的並列性により、2次元畳み込みの計算複雑度がO(n⁴)からO(n²)に低減される。
• システムは時間並列で数百万チャネルを処理可能であり、大規模行列機械学習タスクに適した大規模空間帯域幅と高スループットを実現する。
• 信号対雑音比（SNR）は位相誤差およびビーム幅に強く依存しており、中程度の位相誤差および広いキャリアビームで最適な性能が得られる。
• ENZ材料における四波混合は、10³を超える非線形利得を提供し、出力コントラストおよびシステム効率を顕著に向上させる。
• 焦点距離は、キャリアビームE₂が100λ未満でない限りSNRにほとんど影響しないことから、通常のシステム設定下でも高い耐障害性を示す。