【儀表網 研發快訊】近日，哈爾濱工業大學電信學院祁嘉然教授團隊在全光深度學習領域取得進展，提出基于級聯超構表面的矩陣衍射深度神經網絡架構。研究成果以《矩陣衍射深度神經網絡——極化信息與超構表面器件的融合》為題，發表在《激光與光子學評論》(Laser & Photonics Reviews)上，有望在機器視覺、自動駕駛、智慧醫療和物聯網等領域得到應用。論文被遴選為該期正封面。
全光衍射深度神經網絡框架可設計高并行性和高處理速度的超構表面器件。然而，衍射深度神經網絡框架無法直接應用電磁波的極化信息，難以進一步擴展信道和實現更緊湊配置的多路復用全光網絡器件。團隊提出基于級聯超構表面的矩陣衍射深度神經網絡架構，將瓊斯矩陣直接作為優化變量融入到全光網絡中，賦予其更大的設計自由度和更豐富的功能，實現了光電高任務容量的集成分超構器件、非交錯式高效瓊斯矩陣全參數優化調控器件、自定義極化信息加密超構器件。該超構器件具有強大的任務承載力并具有可觀的分類性能，在更大程度上提高了光電網絡的任務承載力，并節省了硬件成本。
所有評論僅代表網友意見，與本站立場無關。