Self-configuring complex-valued photonic convolution accelerator based on cascaded Mach–Zehnder interferometers
本文提出了一种自配置复值光子卷积加速器（SCPCA），该加速器利用级联马赫-曾德尔干涉仪网格和测量驱动优化算法，能够原生且高精度地处理复数信号，在无需逐个器件预校准的情况下，在极化合成孔径雷达图像识别中实现了接近电子基准的精度。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，数据世界就像一座繁忙、喧闹的大都市。几十年来，这座城市的交通警察——我们的计算机——在管理简单的直线交通方面表现得极其高效。它们是实数的专家，即那种你用来数苹果或计算披萨价格的数学。但事实证明，大自然热爱在圆圈和波浪中行驶。雷达信号、无线电波以及让我们看见世界的各种光，都是“复数”形式的，它们同时携带两部分信息：信号有多强（振幅）以及它在波形周期中的位置（相位）。试图将这些波动且复杂的信号强行塞进一台为直线设计的计算机，就像试图把圆形的木桩塞进方形的孔洞；虽然能塞进去，但你必须把棱角削掉，从而导致信息丢失并浪费能量。这正是光子计算领域介入的地方。光子芯片不再使用微小的电子来进行数学运算，而是使用光束。由于光本身就是一种波，它可以天然地处理这些复杂的波动信号，而无需预先将其拆解。科学家们一直在问一个大问题：我们能否制造出一种基于光的计算机，它不仅能理解这些波，还能在芯片微小部件并非完美制造的情况下，依然轻松地进行复杂的数学运算？
这时，一组研究人员构建了一种新型的“光引擎”，被称为自配置复数光子卷积加速器，简称 SCPCA。你可以将这个设备想象成一个由光组成的、高科技且可编程的万花筒。在内部，它使用了一连串被称为马赫-曾德尔干涉仪（Mach–Zehnder interferometers）的微型镜子和分束器。这些装置就像一个复杂的迷宫，光波可以在其中相互干涉，以精确的方式进行加减运算。这些迷宫的问题在于它们极其敏感。如果一面镜子在出厂时稍微歪了一点，或者温度变化导致玻璃发生微小的热胀冷缩，整个数学计算就会乱套。传统上，工程师通过在芯片使用前单独测量每一面镜子和每一个分束器来解决这个问题，这个过程就像是一个个校准一千个微型旋钮。这既缓慢又乏味，而且一旦温度发生变化，校准就失效了。
SCPCA 采取了一种完全不同、更聪明的方法。它不再试图单独修复每一个微小的部件，而是将整个芯片视为一个单一的“黑盒”。它向迷宫中射入一个测试光模式，测量从另一端出来的混乱且不完美的输出结果，然后使用一种聪明的计算机算法自动调整旋钮。这就像调音时，不是用尺子去测量每根琴弦的张力，而是拨动琴弦，聆听和弦，然后转动旋钮直到和弦听起来完美无瑕。系统会不断进行这种测量与调整，直到输出的光线符合它本应完成的数学运算。研究人员发现，这种“自调优”过程速度极快，通常只需尝试六次就能找到完美设置。
当他们测试该系统执行复杂数学运算的能力时，结果令人印象深刻。该芯片映射复数的精度相当于大约 5 位数字精度。为了让你有个直观的概念，它虽然还达不到高端超级计算机的精度，但对于现实世界的任务来说已经绰绰有余。为了证明这不仅仅是一个数学技巧，团队利用他们的光引擎辅助识别了极化合成孔径雷达（PolSAR）图像。这些是特殊的雷达图像，它们以波的形式观察世界，捕捉关于山脉、水域、城市和植被的细节。SCPCA 帮助计算机识别这些特征的准确率达到了 84.98%。这与最先进的传统电子计算机所达到的 86.00% 的准确率非常接近，却无需承担预先校准每个组件的沉重负担。
论文明确反对那种测量每个设备部件后再使用的传统校准方法。作者指出，这种旧方法过于脆弱；一旦芯片的环境发生变化，预设的映射就会失效。相反，他们的“自配置”方法将所有的缺陷（包括工厂误差、热量和损耗）都吸收到了调优过程之中。他们不仅是在计算机上进行模拟，还制造了真实的芯片，进行了实验并测量了结果。研究结果表明，这种方法为构建能够处理现实世界复杂波状数据（从雷达成像到未来的通信系统）的轻型、低维护光子计算机提供了一条切实可行的路径，而无需每次房间温度变化时都配备一支工程师团队来进行校准。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。