נושא הפרוייקט
מספר פרוייקט
מחלקה
שמות סטודנטים
אימייל
שמות מנחים
תכנון ומימוש רשת נויירונים על השבב אופטי
Engineering optical Neural Networks on a chip
תקציר בעיברית
תוך רתימת הפוטנציאל של אופטיקה למחשוב פיזי, התמקדנו במחשוב נוירומורפי, במיוחד מסוג מחשוב מאגר, שזהו סוג מחשוב הידוע בתהליך ההכשרה היעיל שלו. המטרות שלנו כללו קביעת ארכיטקטורת שבב נוירומורפי פוטוני אופטימלי, תכנון קו השהיה פוטוני משולב, וחישוב פרמטרים עבור מוליך גלים אופטי מצומד (CROW) כדי ליישם את השהיית המערכת. השתמשנו במודל איקדה להדמיית שבבים, מוליך גלים אופטי מצומד לארכיטקטורת השהיה, ומקדמי Mel Frequency Cepstral Coefficients (MFCC) ואסטרטגיות מיסוך לקלט נתונים. גישה זו הובילה אותנו לזהות את מערכת המשוב המושהה כאופטימלית למחשוב נוירומורפי על שבב ולבסס שיטה יעילה להזנת נתוני קלט. לסיכום, הפרויקט שלנו מדגיש את הפוטנציאל של אופטיקה בקידום מחשוב נוירומורפי, תוך הדגשת תהליכי אימון פשוטים, שיטות קלט נתונים יעילות ויישום מעשי של CROW בקווי השהיה.
תקציר באנגלית
Harnessing the potential of optics in physical computing, we focused on neuromorphic computing, especially reservoir computing (RC), known for its streamlined training process. Our objectives encompassed determining an optimal photonic neuromorphic chip architecture, designing an integrated photonic delay line, and calculating parameters for a Coupled Resonator Optical Waveguide (CROW) to implement the delay line. We employed the Ikeda model for chip simulation, coupled resonators for delay line architecture, and Mel Frequency Cepstral Coefficients (MFCC) and masking strategies for data input. This approach led us to identify the delayed-feedback system as optimal for on-chip neuromorphic computing and establish an effective method for input data feeding. In conclusion, our project underscores the potential of optics in advancing neuromorphic computing, highlighting simplified training processes, effective data input methods, and the practical implementation of CROW in delay lines.