Deep Diffractive Neural Networks - Eine Untersuchung neuer Ansätze und Evaluierung der Fourieroptik als Designmethode

Optische Datenverarbeitung verspricht deutliche Vorteile gegenüber konventionellen elektronischen Computern, hinsichtlich Cross-Talk, Effizienz und Berechnungsgeschwindigkeit. Optische Prozessoren basierend auf der Von-Neumann-Architektur sind jedoch eine Randerscheinung außerhalb der wissenschaftlichen Welt. Durch die Etablierung von künstlichen neuronalen Netzen in den letzten Jahren ergibt sich ein neuer interessanter Architekturansatz, der von den einzigartigen Vorteilen optischer Datenverarbeitung profitiert. Erste Veröffentlichungen belegen die Funktion von optischen neuronalen Netzwerken in Aufgabenbereiche wie Klassifizierung, Modellbildung oder Bildverarbeitung. Dieser Vortrag behandelt den Stand der Technik mit einem Augenmerk auf die Herausforderungen, die für eine tatsächliche Anwendung überwunden werden müssen. Der Fokus liegt hierbei auf diffraktiven optischen Netzwerken, deren zugrundeliegendes physikalisches Funktionsprinzip, sowie die digitalen Berechnungsmethoden für die Bestimmung der Netzwerkparameter. Hierfür zeigen wir die Adaption der Angular-Spectrum-Methode auf das Problem der skalaren Beschreibung des optischen Feldes innerhalb des Netzwerks.