《光电进展》上的一篇新出版物讨论了片上光学处理器的有效随机并行梯度下降训练。
随着全球数据量的爆炸式增长，空分多路复用(SDM)技术已成为提高通信容量的一种有前景的解决方案。在过去的几十年里，SDM已经在少模光纤、多芯光纤和自由空间光通信系统中实现。然而，所有这些解决方案都面临着信号串扰的挑战，因为在光信号传输过程中不同通道之间的混合，导致接收器的信号质量下降。
因此，数字信号处理(DSP)是解码器的必要手段。然而，电气领域的高速DSP芯片结构复杂、设计困难、功耗高。近年来，集成可重构光处理器被用于消除光域的信道混叠。然而，梯度下降算法每次迭代都需要逐个更新变量来计算损失函数，计算量大，训练时间长。
此外，群体智能算法如遗传算法(GA)和粒子群优化(PSO)算法具有足够大的种群规模，以保证训练结果的可靠性，这也需要大量的计算量。因此，在大规模光子计算芯片和多维光通信系统的在线训练中，寻找一种适合于光矩阵配置的高效优化算法是非常重要的。
光学矩阵计算芯片的在线训练取得了进展;与离散梯度下降算法、GA和PSO算法相比，该方法大大减少了运算次数，可以大大节省训练过程中的功耗，有望应用于超大规模光学矩阵计算芯片的在线训练。
为了验证所提出的优化方法的可行性，作者设计并制作了一个基于级联Mach-Zehnder干涉仪(MZIs)的6×6可重构光处理器芯片，并进行了光开关矩阵和光信号解扰矩阵的在线训练实验。
介绍了光处理器在MDM光通信系统中的应用场景和内部结构。并给出了训练结果，可以看出，对于多维光通信系统中的光交换和光信号解扰任务，训练效果是比较好的。
在此基础上，利用高速光通信系统的可重构光处理器芯片对传输过程中模混引起的串扰进行补偿。本文对实验设置和实验结果进行了说明。可以看出，当光通过训练后的光子芯片时，信号的质量明显提高，误码率(BER)大大降低。
最后，在光学矩阵尺度扩展到10×10、16×16和32×32时，比较了SPGD算法与传统梯度算法、GA和PSO算法的计算量。结果表明，SPGD算法的计算量增量小于其他算法。
更多信息:万元建等，片上光学处理器的高效随机并行梯度下降训练，光电进展(2024)。引文:团队开发用于片上光学处理器的高效随机并行梯度下降训练(2024,5月1日)检索自https://techxplore.com/news/2024-05-team-efficient-stochastic-parallel-gradient.html。本文受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。
