加州大学洛杉矶分校工程技术促进研究所
利用衍射表面的任意线性变换的全光学合成
学分:加州大学洛杉矶分校奥兹坎实验室 不同形式的线性变换，例如傅立叶变换，被广泛用于各种应用中的信息处理
这些变换通常使用电子处理器在数字域中实现，并且它们的计算速度受限于所使用的电子芯片的容量，这随着数据和图像尺寸变大而设置了瓶颈
解决这个问题的一个办法可能是用光学处理器代替数字处理器，用光来处理信息
在《光:科学与应用》杂志上发表的一篇新论文中，由美国加州大学洛杉矶分校电气和计算机工程系的艾多根·奥兹坎教授领导的光学工程师团队
S
和同事开发了一种基于深度学习的设计方法，用于任意线性变换的全光学计算
这种全光处理器使用空间设计的衍射表面来处理光波，并在光通过一系列衍射表面时计算任何所需的线性变换
这样，随着输入光透过这些衍射表面，所需线性变换的计算以光传播的速度完成
除了计算速度之外，这些全光处理器也不消耗任何计算能力，除了照明光，使其成为一个被动和高吞吐量的计算系统
加州大学洛杉矶分校团队进行的分析表明，这些全光学衍射处理器基于深度学习的设计可以精确合成输入和输出平面之间的任何任意线性变换，并且随着衍射表面数量的增加，最终光学变换的精度和衍射效率显著提高，这表明深度衍射处理器的计算能力更强大
通过执行广泛的线性变换，包括例如随机生成的相位和幅度变换、傅立叶变换、图像置换和滤波操作，已经证明了该方法的成功
这种计算框架可以广泛应用于电磁频谱的任何部分，以设计全光处理器，使用空间工程衍射表面来普遍执行任意复值线性变换
它还可用于形成全光信息处理网络，以在输入和输出平面之间执行所需的计算任务，为数字处理器提供无源、无功耗的替代方案
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
