ترجمه فارسی مقاله هترواستک مواد تغییر فاز دهنده دیجیتالی برای شبکه عصبی نوری پراشی

چکیده

All-optical and fully reconfigurable diffractive optical neural network (DONN) architectures are promising for high-throughput and energy-efficient machine learning (ML) hardware accelerators for broad applications. However, current device and system implementations have limited performance. This work demonstrates a novel diffractive device architecture, which is named digitized heterostack and consists of multiple layers of nonvolatile phase change materials (PCMs) with different thicknesses. This architecture can both leverage the advantages of PCM optical properties and mitigate challenges associated with implementing multilevel operations in a single PCM layer. Proof-of-concept experiments demonstrate the electrical tuning of one PCM layer in a spatial light modulation device, and thermal analysis guides the design of DONN devices and systems to avoid thermal crosstalk if individual heterostacks are assembled into an array. Further, heterostacks containing three PCM layers are designed to have a large phase modulation range and uniform coverage and the ML performance of DONN systems with designed heterostacks is evaluated. The developed device architecture provides new opportunities for desirable energy-efficient, fast-reconfigured, and compact DONN systems in the future.

چکیده به فارسی (ترجمه ماشینی)

معماری شبکه عصبی نوری نوری و کاملاً قابل تنظیم کاملاً قابل تنظیم (DONN) نویدبخش برای شتاب دهنده سخت افزار یادگیری ماشین با توان بالا و کارآیی انرژی (ML) برای کاربردهای گسترده است.با این حال ، اجرای دستگاه و سیستم فعلی عملکرد محدودی دارد.این کار یک معماری جدید دستگاه پراکنده را نشان می دهد ، که به نام هتروستاک دیجیتالی نامگذاری شده است و از چندین لایه از مواد تغییر فاز غیر ولتاژ (PCM) با ضخامت های مختلف تشکیل شده است.این معماری هم می تواند از مزایای خصوصیات نوری PCM بهره ببرد و چالش های مرتبط با اجرای عملیات چند سطحی در یک لایه PCM را کاهش دهد.آزمایش های اثبات مفهوم ، تنظیم الکتریکی یک لایه PCM را در یک دستگاه مدولاسیون نوری فضایی نشان می دهد ، و تجزیه و تحلیل حرارتی طراحی دستگاه ها و سیستم های DONN را راهنمایی می کند تا در صورت جمع آوری هتروستاک های فردی در یک آرایه ، از ظلمت های حرارتی جلوگیری شود.علاوه بر این ، هتروستاک های حاوی سه لایه PCM به گونه ای طراحی شده اند که دارای یک دامنه مدولاسیون فاز بزرگ و پوشش یکنواخت هستند و عملکرد ML سیستم های DONN با هتروستاک های طراحی شده ارزیابی می شود.معماری دستگاه توسعه یافته فرصت های جدیدی را برای سیستم های DONN با مصرف انرژی مطلوب ، سریع تنظیم شده و جمع و جور در آینده فراهم می کند.