在可饱和吸收体调制下的分级激光神经元用于光子计算

《Journal of Lightwave Technology》：Graded Laser Neuron under Saturable Absorber Modulation for Photonic Computing

　　光子突触神经网络结合大脑的时空编码策略与光速优势，但不应期限制信息处理速度。受生物视觉启发，首次数值分析激光器中饱和吸收体（SA）区域输入条件，实现无不应期的渐变突触响应。基于此构建回声池计算系统，在混沌预测和虹膜分类任务中表现优异，即使使用简单二进制掩模。为激光基渐变神经元实现提供理论指导。

　　

摘要：

光子脉冲神经网络结合了大脑的时空编码策略与光学的快速处理优势，为传统计算架构提供了一种有前景的替代方案。然而，作为光子脉冲神经元固有的特性，不应期对信息处理速度构成了不可避免的限制。受生物视觉系统启发的分级响应神经元成为解决这一问题的潜在方案。在这项工作中，我们首次通过数值方法分析了在具有饱和吸收器（SA）的激光器中可靠产生分级响应所需的输入条件。通过将信号调制到SA区域，激光器能够对连续输入产生逐渐增强的脉冲响应，且不存在不应期。此外，我们利用所提出的光子分级神经元实现了储层计算（RC）系统。由于这种激光神经元具有丰富的非线性动态特性，即使在使用简单的二进制掩码的情况下，所提出的RC系统在混沌时间序列预测和虹膜分类任务中也表现出优异的性能。我们的工作为基于激光的分级神经元的实现提供了理论指导，并为高速光子分级神经形态计算提出了一种有前景的方法。