Key points are not available for this paper at this time.
Photonisches Rechnen ermöglicht eine schnellere und energieeffizientere Verarbeitung von Seh Daten1-5. Allerdings bleibt die experimentelle Überlegenheit einsetzbarer Systeme aufgrund komplizierter optischer Nichtlinearitäten, des erheblichen Stromverbrauchs von Analog-Digital-Wandlern (ADCs) für die nachgelagerte digitale Verarbeitung sowie der Anfälligkeit für Störungen und Systemfehler1,6-8 eine Herausforderung. Hier schlagen wir einen vollanalogen Chip vor, der elektronische und Lichtverarbeitung kombiniert (ACCEL). Er hat eine systemische Energieeffizienz von 74,8 Peta-Operationen pro Sekunde und Watt sowie eine Rechengeschwindigkeit von 4,6 Peta-Operationen pro Sekunde (mehr als 99 % werden optisch umgesetzt), was mehr als drei und einen Größenordnung höher ist als bei aktuellen Rechenprozessoren. Nach der Anwendung der diffraktiven optischen Berechnung als optisches Codierverfahren zur Merkmalsextraktion werden die lichtinduzierten Photostromströme direkt für weitere Berechnungen in einem integrierten analogen Rechenchip verwendet, ohne dass Analog-Digital-Wandler erforderlich sind, was zu einer niedrigen Berechnungsverzögerung von 72 ns pro Bild führt. Mit gemeinsamen Optimierungen der optoelektronischen Berechnung und des adaptiven Trainings erzielt ACCEL in Experimenten wettbewerbsfähige Klassifikationsgenauigkeiten von 85,5 %, 82,0 % und 92,6 % für Fashion-MNIST, die 3-Klassen-Bildklassifizierung von ImageNet und die Erkennung von Zeitraffervideos und zeigt dabei eine überlegene Systemrobustheit bei schwachem Licht (0,14 fJ μm-2 pro Bild). ACCEL kann in einem breiten Anwendungsbereich wie tragbaren Geräten, autonomem Fahren und industriellen Inspektionen eingesetzt werden.
Chen et al. (Wed,) untersuchten diese Frage.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: