全前向模式训练

物理系统原址训练

直接在光学系统上完成训练，无需数字建模，训练速度提升数个量级。

周天贶 · Zhihao, Xu · Shaoliang, Yu · 戴琼海 · 方璐

Nature 2024

参数信息

能效

5.40 × 10^18 OPS/W

帧率

>1000 Hz

技术优势

训练无需数字建模

FFM学习直接在物理系统上实施训练过程，大多数机器学习操作在场并行进行，避免了数值建模的约束。

训练速度提升数个量级

FFM学习不仅促进了快几个数量级的学习过程，还支持训练具有数百万参数的最深光学神经网络，达到与理想模型相当的精度。

亚光子级光强就能处理

室温下，FFM学习能进行光强低至每像素亚光子级的全光处理，能效达到5.40 × 10^18 OPS/W。

应用场景

• 光学神经网络：直接在光学硬件上训练，省去数字仿真步骤，训练速度提升数个量级。
• 光子芯片：FFM算法可集成到光子芯片中，实现在线训练，无需外部数字计算。
• 超灵敏感知：在亚光子级光强下实现全光处理，可用于极弱光信号的感知。
• 拓扑光子学：FFM可自动搜索非厄米奇异点，无需解析模型，加速拓扑光子学研究。