Banner
撰稿：符庭钊 (国防科技大学 副研究员)
光学神经网络（Optical Neural Networks, ONNs）是一种利用光学器件（激光、光学调制器、滤波器、探测器等）来模拟和实现神经网络推理功能的计算模型。与电子神经网络相比，ONNs通过利用光的特征量（振幅、相位、频率等）进行信号传输和数据处理，将神经网络的推理计算过程在光的传播过程中完成，具有低延迟、低能耗、并行信号处理以及抗电磁干扰强等优势。
近日，国防科技大学纳米光电子技术团队与清华大学陈宏伟教授团队以“Optical neural networks: progress and challenges”为题在Light: Science & Applications发表了一篇综述文章。国防科技大学符庭钊副研究员为论文的第一作者，清华大学陈宏伟教授为论文的通讯作者。该工作得到了国家自然科学基金项目的支持。
该综述首先介绍了ONNs的发展历史、光学人工神经元的数学模型以及基于不同光学元器件构建ONNs的区别。其次，系统地回顾了近几年来非集成/集成ONNs的典型研究工作。最后，对不同类型ONNs在计算容量、集成度、可重构性、非线性、可拓展性以及通用性等方面的性能进行了对比和分析，并讨论了各类型ONNs在未来发展中可能面临的挑战。在讨论部分，该综述对现阶段国内外关于光计算公司的发展情况进行了介绍，同时对ONNs未来发展的新架构和应用领域进行了展望。
论文信息
如下数据来自Web of Science，Light: Science & Applications的高被引文章数量在国内同类期刊中稳居领军地位。截至目前：
超过2000次引用的文章有1篇
https://doi.org/10.1038/lsa.2014.99
超过600次引用的文章有9篇
https://doi.org/10.1038/lsa.2013.28
https://doi.org/10.1038/lsa.2014.42
https://doi.org/10.1038/lsa.2016.17
https://doi.org/10.1038/lsa.2016.76
https://doi.org/10.1038/s41377-019-0148-8
https://doi.org/10.1038/lsa.2014.22
https://doi.org/10.1038/lsa.2015.137
https://doi.org/10.1038/lsa.2014.58
超过300次引用的文章有58篇
超过200次引用的文章有142篇
超过100次引用的文章有350篇
超过50次引用的文章有680篇
欢迎课题组投宣传稿
请扫码联系值班编辑
👇 关注我 👇
