Parallel photonic information processing at gigabyte per second data rates using transient states.
Parallel photonic information processing at gigabyte per second data rates using transient states.
复制标题
DOI：
10.1038/ncomms2368
复制
发表时间：
2013
影响因子：
16.6
通讯作者：
中科院分区：
文献类型：
--
作者：
对信息处理日益增长的需求需要新的计算概念和真正的并行性。然而，非传统计算方法的硬件实现从未超出边际存在。虽然光学在超级计算中的应用重新引起了人们的兴趣，但部分受到神经启发的新概念正在被考虑和开发。在这里，我们通过实验演示了一种简单的光子体系结构以前所未有的数据速率处理信息的潜力，实现了一种基于学习的方法。采用具有延迟自反馈和光学数据注入的半导体激光器来解决计算困难的任务。在数据速率超过1 Gbyte/S的情况下，我们实现了同时语音数字和说话人识别和混沌时间序列预测，识别所有数字的分类错误非常低，并且执行混沌时间序列预测的误差为10%。我们的方法架起了光子信息处理、认知科学和信息科学的桥梁。受神经网络的启发，油藏计算使用非线性暂态来执行计算，提供了更快的并行信息处理。Brunner等人。展示了一种用于水库计算的光子方法，能够在高数据速率下同时识别语音数字和说话人。
The increasing demands on information processing require novel computational concepts and true parallelism. Nevertheless, hardware realizations of unconventional computing approaches never exceeded a marginal existence. While the application of optics in super-computing receives reawakened interest, new concepts, partly neuro-inspired, are being considered and developed. Here we experimentally demonstrate the potential of a simple photonic architecture to process information at unprecedented data rates, implementing a learning-based approach. A semiconductor laser subject to delayed self-feedback and optical data injection is employed to solve computationally hard tasks. We demonstrate simultaneous spoken digit and speaker recognition and chaotic time-series prediction at data rates beyond 1 Gbyte/s. We identify all digits with very low classification errors and perform chaotic time-series prediction with 10% error. Our approach bridges the areas of photonic information processing, cognitive and information science. Inspired by neural networks, reservoir computing uses nonlinear transient states to perform computations, offering faster parallel information processing. Brunner et al. show a photonic approach to reservoir computing capable of simultaneous spoken digit and speaker recognition at high data rates.
登录
查看更多内容
影响因子：
16.6
作者：
Ferrera, M.;Park, Y.;Razzari, L.;Little, B. E.;Chu, S. T.;Morandotti, R.;Moss, D. J.;Azana, J.
通讯作者：
Azana, J.
影响因子：
3.8
作者：
Larger, L.;Soriano, M. C.;Fischer, I.
通讯作者：
Fischer, I.
影响因子：
22.7
作者：
Modha, Dharmendra S.;Ananthanarayanan, Rajagopal;Singh, Raghavendra
通讯作者：
Singh, Raghavendra
影响因子：
3.8
作者：
Duport, Francois;Schneider, Bendix;Massar, Serge
通讯作者：
Massar, Serge
DOI：
10.1109/jstqe.2011.2143390
发表时间：
2012-03-01
影响因子：
4.9
作者：
Kurumida, Junya;Ben Yoo, S. J.
通讯作者：
Ben Yoo, S. J.