多層フォトニックスパイクニューラルネットワークとハードウェアの実装のためのBPベースの監視学習アルゴリズム

背中の伝播に基づいて、フォトニックスパイクニューラルネットワーク（SNN）の監視された学習アルゴリズムを紹介します。監視された学習アルゴリズムの場合、情報は異なる強度のスパイクトレインにエンコードされ、SNNは出力ニューロンの異なるスパイク数で構成されるさまざまなパターンに従ってトレーニングされます。さらに、分類タスクは、SNNの監視された学習アルゴリズムに基づいて数値的および実験的に実行されます。SNNは、漏れやすいニューロンに機能的に類似した垂直洞察表面発光レーザーに基づいたフォトニックスパイクニューロンで構成されています。結果は、ハードウェア上のアルゴリズムの実装のデモンストレーションを証明しています。超低消費電力と超低遅延を求めることは、フォトニックニューラルネットワークのハードウェアに優しい学習アルゴリズムを設計および実装し、ハードウェアアルゴリズムのコラボレーションコンピューティングを実現することが非常に重要です。

We introduce a supervised learning algorithm for photonic spiking neural network (SNN) based on back propagation. For the supervised learning algorithm, the information is encoded into spike trains with different strength, and the SNN is trained according to different patterns composed of different spike numbers of the output neurons. Furthermore, the classification task is performed numerically and experimentally based on the supervised learning algorithm in the SNN. The SNN is composed of photonic spiking neuron based on vertical-cavity surface-emitting laser which is functionally similar to leaky-integrate and fire neuron. The results prove the demonstration of the algorithm implementation on hardware. To seek ultra-low power consumption and ultra-low delay, it is great significance to design and implement a hardware-friendly learning algorithm of photonic neural networks and realize hardware-algorithm collaborative computing.