[文献速递Vol.309]-采用端到端光学反向传播训练神经网络

本文提出了一种基于全光学反向传播的神经网络训练方法，首次实现了光学神经网络（ONN）的端到端光学训练。传统光学计算硬件在推理任务中展现出高速与高能效优势，但其训练过程仍需依赖数字模拟，导致效率低下与误差累积。研究团队通过引入可饱和吸收体（SA）作为激活单元，解决了反向传播中非线性光调制难题。实验证明，该方法在分类任务中不仅收敛速度优于传统数字训练，且准确率显著提升。这一突破为光学计算硬件在训练与推理任务中的全面应用提供了可行性验证，展现了光学计算在能效与速度上的巨大潜力。