近年来,光学神经网络(ONN)由于具有亚纳秒级延迟、低散热和高并行度等优势,在光计算方面取得了一系列研究进展。ONN有望为具有新颖计算范式的人工智能的进一步发展,提供计算速度和能耗方面的支持。 2024年9月20日,清华大学陈宏伟团队在期刊《Light: Science & Applications volume》上发表了题为“Optical neural networks...
2024年9月20日，清华大学陈宏伟团队在期刊《Light: Science & Applications volume》上发表了题为“Optical neural networks: progress and challenges”的研究论文。本文首先介绍了基于各种光学元件的ONN的设计方法和原理。然后，团队依次回顾了由体积光学元件组成的非集成ONN和由片上元件组成的集成ONN。最后，团队总结和...
2009/12清华大学电子工程系 副教授 2006/8清华大学电子工程系 博士期刊 56.8% 会议 33.1% 专著 5% 其它 5.1% 总计 317篇 2013年成果数41 2013年被引量349 全部年份 全部类型 全部作者 按时间降序 All-fiber wavelength-swept optical parametric oscillator at 1μm band 2017 - Yang, Yi,Yang, Sigang,Che...
清华大学陈宏伟团队联合国防科技大学团队,以“Optical neural networks: progress and challenges”为题在Light:Science & Applications上发表光学神经网络综述,对近几年来光学神经网络的相关研究工作进行了梳理。 图1 光学神经网络相关研究工作时...
近日, 清华大学超话 电子系陈宏伟教授团队联合国防科技大学团队,以“光学神经网络:进展与挑战”(Optical neural networks: progress and challenges)为题在《光:科学和应用》(Light:Science & Applications)上发表综述,对近几年来光学神经网络的相关研究工作进行了梳理。O清华电子系陈宏伟团队合作发文综述光学神经网... ...
近日,清华大学电子系陈宏伟教授团队联合国防科技大学团队,以“光学神经网络:进展与挑战”(Optical neural networks: progress and challenges)为题在《光:科学和应用》(Light:Science & Applications)上发表综述,对近几年来光学神经网络的相关研究工作进行了梳理。
经过三次成像革命,经典成像方法在空间、时间、光谱等维度的发展已经达到瓶颈,光学模块、传感器模块、ISP模块、视觉算法模块等分离的视觉感知架构在各自独立优化的技术演进路线上其综合成像性能已经接近理论极限。近日,针对经典分立式成像模型存在的链路冗余、成本高昂、效率低下、缺乏协同等问题,清华大学陈宏伟教授团队提出新...
清华大学 未来实验室 登录后才能查看导师的联系方式,马上登录... 个人简介 陈宏伟,毕业于陕西科技大学机电工程学院,获过程装备与控制工程系工学学士学位。2013年从事于表面涂层行业的机械设计工程师、安防行业的产品工程师,具有七年的工程师经验。2020年11月开始担任未来实验室材料设计研究中心的科研助理。 研究领域 ...
清华大学电子工程系陈宏伟教授团队提出了一种紧凑的无源多层光学神经网络(MONN)架构,该架构由无源掩模版与量子点薄膜组成,完成非相干光照明下具有层间非线性激活的多层光学计算。该架构的光学长度短至5毫米,相比现有的基于透镜的光学神经网络小2个数量级。实验证明,该多层运算架构在各种视觉任务的性能上优于线性单层运算...