UCLA用空间非相干衍射光网络进行复数值线性变换 可应用于自动驾驶汽车自然场景处理
盖世汽车讯 先进神经网络中的大部分计算包括矩阵向量乘法和卷积计算等线性运算，而且线性运算在密码学中也扮演着重要角色。虽然GPU（图形处理器）和TPU（热接收器装置）等专用处理器可用于执行高度并行的线性运算，但此类设备功耗高，而且电子器件的低带宽还限制了运算速度。但是，光学器件因具有并行性，大带宽以及快速计算速度，更适合用于此类运算。
UCLA用空间非相干衍射光网络进行复数值线性变换（图片来源：UCLA）
由一组空间工程薄表面构建的衍射神经网络（D2NN）也称为衍射网络，构成了最近兴起的光学计算架构，能以光穿过超薄体积传播的速度被动地执行计算任务。
此类执行特定任务的全光学计算机通过学习其组成的衍射表面的空间特征，以数字化方式被设计。在此类一次性设计流程之后，优化的表面被制成和组装以形成衍射神经网络的物理硬件。
来源：第一电动网
作者：盖世汽车
本文地址：
以上内容转载自盖世汽车，目的在于传播更多信息，转载内容并不代表第一电动网（www.d1ev.com）立场。
文中图片源自互联网，如有侵权请联系admin@d1ev.com删除。
相关内容
全部评论·0
暂无评论
