光子儲備池計算：光學循環(huán)神經(jīng)網(wǎng)絡

目 錄
1. 新型光子計算簡介 1
1.1　計算光學 1
1.1.1　計算光學的優(yōu)勢 2
1.1.2　邏輯光計算機 5
1.1.3　具有空間變換的光計算 6
1.2　神經(jīng)網(wǎng)絡 8
1.2.1　感知機 9
1.2.2　前饋神經(jīng)網(wǎng)絡 11
1.2.3　遞歸神經(jīng)網(wǎng)絡 12
1.2.4　深度神經(jīng)網(wǎng)絡 14
1.2.5　Hopfield網(wǎng)絡 15
1.3　早期光子實現(xiàn) 17
1.3.1　光學感知機 18
1.3.2　光學Hopfield網(wǎng)絡 19
1.4　結(jié)論 21
原著參考文獻 21
2. 光子儲備池系統(tǒng)的信息處理和計算 22
2.1　介紹 22
2.1.1　數(shù)字計算的邊界 22
2.1.2　模擬計算 23
2.2　儲備池計算 24
2.2.1　一個更寬松的計算模型 24
2.2.2　如何訓練儲備池計算機 25
2.2.3　儲備池性能的測量 26
2.2.4　作為模型系統(tǒng)的回聲狀態(tài)網(wǎng)絡 27
2.2.5　對儲備池的一般要求 29
2.2.6　物理儲備池計算 30
2.3　儲備池信息處理 31
2.3.1　再現(xiàn)記憶 31
2.3.2　非線性處理能力 33
2.3.3　記憶、非線性和噪聲敏感性 34
2.4　結(jié)論 36
原著參考文獻 36
3. 集成片上儲備池 37
3.1　介紹 37
3.2　無源儲備池計算 37
3.3　集成光學讀出層 40
3.3.1　基本原理 40
3.3.2　訓練集成光學讀出層 41
3.3.3　權(quán)重分辨率的影響 44
3.4　通信應用 45
3.4.1　非線性色散補償 45
3.4.2　PAM-4邏輯 48
3.5　混沌腔 49
3.5.1　設(shè)計 50
3.5.2　方法 50
3.5.3　XOR任務 51
3.5.4　幀頭識別 52
3.5.5　儲備池的Q因子和時間尺度 53
3.6　用于細胞識別的柱狀散射體 54
3.6.1　用數(shù)字全息顯微鏡分選細胞 54
3.6.2　用于極限學習機（ELM）實現(xiàn)的電介質(zhì)散射體 55
3.6.3　相位靈敏度的非線性 58
3.6.4　電介質(zhì)散射體和光腔的組合 60
3.7　結(jié)論 61
原著參考文獻 61
4. 大型時空儲備池 62
4.1　導言 62
4.2　衍射耦合 62
4.2.1　耦合矩陣 65
4.2.2　網(wǎng)絡規(guī)模限制 68
4.3　垂直發(fā)射激光器的網(wǎng)絡 69
4.3.1　網(wǎng)絡動力學和光注入 71
4.3.2　函數(shù)逼近 73
4.4　Ikeda振蕩器的儲備池 73
4.4.1　實驗設(shè)置 74
4.4.2　耦合Ikeda振蕩器的驅(qū)動網(wǎng)絡 75
4.4.3　讀出權(quán)重和光子學習 76
4.4.4　抑制單極系統(tǒng)的性能限制 78
4.4.5　系統(tǒng)性能 79
4.4.6　噪聲和漂移 81
4.4.7　自治系統(tǒng)：輸出反饋 83
4.5　結(jié)論 85
原著參考文獻 86
5. 用于儲備池計算的時間延遲系統(tǒng) 87
5.1　導言 87
5.2　標準儲備池計算 87
5.3　延遲反饋系統(tǒng) 88
5.4　作為儲備池的延遲反饋系統(tǒng) 90
5.4.1　用具有延遲反饋功能的非線性節(jié)點實現(xiàn) 91
5.4.2　延遲反饋方法中的時間復用 92
5.4.3　基于延遲的儲備池計算中的讀出和訓練 93
5.4.4　例子：混沌時間序列預測 94
5.5　基于延遲的儲備池計算機的互連結(jié)構(gòu) 96
5.5.1　通過系統(tǒng)動力學的互連結(jié)構(gòu) 97
5.5.2　通過反饋線的互連結(jié)構(gòu) 99
5.6　輸入層的權(quán)重分布 100
5.7　基于延遲的儲備池計算的計算量 101
5.8　基于延遲的儲備池計算的硬件實現(xiàn) 103
5.8.1　基于延遲的儲備池計算的電子實現(xiàn)示例 104
5.8.2　基于延遲的儲備池計算機物理實現(xiàn)中的挑戰(zhàn) 106
5.9　結(jié)論 111
原著參考文獻 112
6. 作為儲備池處理器的Ikeda延遲動力學 113
6.1　導言 113
6.2　從理想實驗到光電裝置 113
6.2.1　Ikeda環(huán)形腔的工作原理 113
6.2.2　通過光電方法轉(zhuǎn)換的全光學Ikeda設(shè)置 115
6.3　建模和理論 116
6.3.1　數(shù)學模型、時間尺度、運動 116
6.3.2　動力學線性部分 117
6.3.3　反饋和非線性 118
6.3.4　延遲引起的復雜性：自由度、初始條件、相空間 119
6.4　用延遲系統(tǒng)模擬動態(tài)網(wǎng)絡 120
6.4.1　延遲系統(tǒng)的時空表示 120
6.4.2　舉例說明：延遲動力學中的嵌合狀態(tài) 121
6.4.3　從自主延遲動力學到非自主延遲動力學 124
6.5　基于Ikeda的光子儲備池 125
6.5.1　儲備池計算的標準ESN 125
6.5.2　將ESN模型轉(zhuǎn)換為延遲動力學模型 126
6.5.3　基于Ikeda的光子儲備池計算實現(xiàn)示例 128
6.6　結(jié)論 134
原著參考文獻 134
7. 半導體激光器作為儲備池基底 135
7.1　導言 135
7.2　激光器基礎(chǔ)和半導體類型 135
7.3　用于儲備池計算的單模半導體激光器 137
7.3.1　建模和數(shù)值結(jié)果 137
7.3.2　單模半導體激光器的首次實驗實現(xiàn) 140
7.3.3　單模半導體激光器的進一步實驗實現(xiàn) 142
7.4　作為儲備池基底的其他光子系統(tǒng) 143
7.4.1　用于儲備池計算的半導體環(huán)形激光器 143
7.4.2　摻鉺微芯片激光器 147
7.4.3　半導體光學放大器 148
7.5　結(jié)論 148
原著參考文獻 148
8. 先進的儲備池計算機：模擬自主系統(tǒng)和實時控制 149
8.1　導言 149
8.2　簡單的光子儲備池計算機 150
8.3　模擬輸入層和讀出層的實驗實現(xiàn) 152
8.3.1　實驗設(shè)置 153
8.3.2　結(jié)果 158
8.3.3　討論 163
8.4　在線訓練 163
8.4.1　隨機梯度下降算法 164
8.4.2　實驗設(shè)置 166
8.4.3　結(jié)果 167
8.5　輸出反饋 171
8.5.1　實驗設(shè)置 172
8.5.2　結(jié)果 174
8.6　結(jié)論 188
原著參考文獻 189
展望 190