研究前沿：线性光学的非线性处理 | Nature Photonics

文章预览

深度神经网络Deep neural networks，通过利用多层数据处理，以提取隐藏的表示，并取得了显著的突破，尽管代价是巨大的电子计算能力。为了提高能量效率和速度，神经网络的光学实现，旨在利用光学带宽的优势和光学互连的能量效率。在缺少低功率光学非线性的情况时，实现多层光网络的挑战在于，在不借助电子元件的情况时，实现多个光学层。 近日，瑞士 洛桑联邦理工学院（École Polytechnique Fédérale de Lausanne，EPFL）Mustafa Yildirim, Niyazi Ulas Dinc等，在Nature Photonics上发文，提出了一种新颖的框架，主要利用多重散射，并且利用数据表示的散射势和散射场之间非线性关系，在低光功率是地，同时合成可编程的线性和非线性变换。 理论和实验研究表明，通过多次散射重复数据，可实现低功率连续波光的非线性光学计算。根据经验发现，该光学框架的缩放 ………………………………