[论文解读] Towards polariton neuromorphic engineering

Julian D. Töpfer, Helgi Sigurðsson+2 more|arXiv (Cornell University)|May 22, 2019

Mechanical and Optical Resonators被引用 1

一句话总结

本文提出将弹道耦合的极化子凝聚态作为光学神经形态计算的平台，通过展示其动力学由朗-小林方程描述的时滞耦合斯图尔特-兰道振子所支配。该系统具有可调控性且与复杂非线性网络相似，使其成为集成化、高速度递归光学神经网络的有前途候选。

ABSTRACT

The ubiquity of nonlinear oscillatory motion is perhaps best demonstrated with a pendulum which is harmonic only at small angles. Just as the harmonic oscillator provides a natural description of bosons in a quantum field, the Stuart-Landau oscillator provides a universal description of nonlinear oscillators close to a Hopf bifurcation. In the case of coupled nonlinear oscillators, time-delayed interactions increase the complexity of many physical systems ranging from coupled lasers, epidemiology, predator-prey, and road traffic systems to neuronal networks. Here, we explore the phase-space of ballistically coupled polariton condensates and demonstrate that the dynamics of the system are driven by the Lang-Kobayashi equation, and in the limit of fast relaxation of the exciton-reservoir feeding the condensates they can be described by time-delayed coupled Stuart-Landau oscillators. The controllability, complexity and similarity of ballistically coupled polariton condensates to many physical interacting systems establishes a strong motivation to apply polaritonics towards continuous recurrent artificial neural networks and is the first step forward in realizing integrated time delayed polariton networks for high speed optical neuromorphic computation.

研究动机与目标

• 探索弹道耦合极化子凝聚态的相空间动力学以用于神经形态应用。
• 建立极化子系统与近霍普夫分岔处非线性振子网络之间的理论框架。
• 证明快速激子-库弛豫可使系统有效建模为时滞耦合的斯图尔特-兰道振子。
• 推动使用极化子技术实现集成化、连续时间递归神经网络，具备光学时滞。
• 为基于极化子网络的可扩展、高速光学神经形态计算架构奠定基础。

提出的方法

• 使用朗-小林方程对弹道耦合极化子凝聚态的动力学进行建模。
• 识别快速激子-库弛豫的参数区域，使系统简化为时滞耦合的斯图尔特-兰道振子。
• 将近霍普夫分岔处非线性振子的通用描述应用于极化子系统。
• 利用相空间分析表征耦合凝聚态的复杂非线性动力学。
• 利用极化子动力学与递归神经网络动力学之间的数学等价性。
• 确立使用极化子网络作为连续时间人工神经网络物理实现的可行性。

实验结果

研究问题

• RQ1 弹道耦合的极化子凝聚态能否由时滞耦合的斯图尔特-兰道振子描述？
• RQ2 快速激子-库弛豫如何影响极化子凝聚态的有效动力学？
• RQ3 极化子凝聚态在多大程度上能模拟神经网络等复杂非线性系统的行为？
• RQ4 时滞相互作用在塑造极化子凝聚态集体动力学中起什么作用？
• RQ5 极化子系统能否作为可扩展、高速的光学神经形态计算平台？

主要发现

• 在实验可实现条件下，弹道耦合极化子凝聚态的动力学由朗-小林方程支配。
• 在快速激子-库弛豫极限下，系统简化为时滞耦合的斯图尔特-兰道振子，从而实现对非线性动力学的通用描述。
• 该系统表现出可调控的复杂行为，类似于递归神经网络及其他非线性相互作用系统。
• 极化子动力学与神经网络动力学之间的数学等价性支持其在神经形态计算中的应用。
• 研究结果为开发基于极化子网络的集成化、高速光学神经形态处理器奠定了坚实基础。