物理变换破局限，光子神经网络任务精度突破99% | Adv. Photon. Nexus

本文介绍了西北工业大学梅霆教授团队与东南大学黄广斌教授团队合作提出的一种创新的多突触光子神经网络架构。该架构利用不依赖数学表达的物理变换实施多突触连接策略，解决了当前光子神经网络任务精度低于数字神经网络的问题。研究团队基于超限学习机框架构建了多突触光子神经网络，并在MNIST、Fashion-MNIST和CIFAR-10三个基准数据集上进行了分类任务测试，结果显示其分类准确率分别达到了99.79%、98.26%和90.29%，超越了对应的数字神经网络和大多数现有硬件架构的任务精度。这一成果为光子神经网络的发展开辟了新路径，未来有望在智能设备、信号处理等领域展现广阔潜力。