direkt zum Inhalt springen

direkt zum Hauptnavigationsmenü

Sie sind hier

TU Berlin

Inhalt des Dokuments

Machine Learning with Nonlinear Optical Systems

Lupe

Prof. Dr. K. Lüdge

Zeit: Mittwoch 14:15
Raum: EW 733
Begin: 16.10.2019

Das Seminar gibt Einblicke in die aktuelle Forschung der Arbeitsgruppe "Nichtlineare Laserdynamik“. Es ist für Studierende, die Interesse an einer Master- oder Bachelorarbeit in diesem Themenbereich haben, besonders zu empfehlen. Studierende, die einen Seminarschein erlangen wollen, sind bei uns herzlich willkommen.

In diesem Semester steht „Photonic Information Processing“ im Mittelpunkt. Die Vorträge behandeln die Konzepte von „Optical Neural Networks“ sowie des „Reservoir Computing“ und „Reinforcement Learning“. Die Grundidee dieser Zweige des maschinellen Lernens ist, dass prinzipiell jedes nichtlineare System mit ausreichend hoher Dimension zur Informationsverarbeitung verwendet werden kann. Besonderes Augenmerk liegt an dieser Stelle auf der Möglichkeit zur Hardware-Implementierung. Hierbei steht die Implementierung oben genannter Konzepte in nichtlinearen optischen Systemen und deren Bifurkationsstruktur im Vordergrund. Wir werden einige aktuelle Beispiele in diesem Seminar behandeln.

Der Besuch der Veranstaltung (mit Vortrag und Ausarbeitung) entspricht 5 ECTS Punkten.

Noch offene Themen können unten eingesehen werden. Wer Interesse hat kann bis zum 16.10 eine E-Mail an den/die Verantwortlichen schicken.

Zeitlicher Ablauf

Datum
Titel
Vortragender
Betreuer
16.10.

Einführung & Einteilung
K. Lüdge
23.10.

Principles of Neuromorphic Photonics [SHA18]
F. Köster
30.10.

Information processing using a single dynamical node as complex system [APP11, APP12]
A. Kunke
KL
06.11.

Human action recognition with a large-scale brain-inspired photonic computer [ANT19]
A. De Mont
JH
13.11.

Reservoir Computing Using Laser Networks [ROE19, ROE18a]
D. Hering
JA
20.11.

Reinforcement learning in a large-scale photonic recurrent neural network [BUE18a]
KL
27.11.

Harvesting entropy and quantifying the transition from noise to chaos in a photon-counting feedback loop [HAG15]
F. Köster
04.12.
Photonic machine learning implementation for signal recovery in optical communications [ARG18, BRU18a]
J. Zimbalski
FK
11.12.
Information processing capacity of dynamical systems [DAM12]
D. Hering
FK
18.12.
All-optical machine learning using diffractive deep neural networks [LIN18d, YAN19]
S. Cindrak
KL
08.01.
Control and Generation of Localized Pulses in Passively Mode-Locked Semiconductor Lasers [MAR15b, MAR14c]
M. Marggraf
JH
15.01.

High-Speed Photonic Reservoir Computing Using a Time-Delay-Based Architecture: Million Words per Second Classification [LAR17]
C. Dähn
SM
22.01.
Deep learning with coherent nanophotonic circuits [SHE17f]
J. Naujoks
JH
29.01.
Neuromorphic Photonic Networks Using Silicon Photonic Weight Banks [TAI17, HUA19b]
Salazar
FK
05.02.
A Leaky Integrate-and-Fire Laser Neuron for Ultrafast Cognitive Computing [NAH13, TAI14]
J. Marczinkowski
Die öffentliche Einteilung der Themen findet am 16. Oktober 2019 statt. Vortragsthemen können auch schon vor Beginn der Veranstaltung vergeben werden (bitte dafür an einen Ansprechpartner wenden).

Literatur zu den Vorträgen

DOI [APP11] L. Appeltant, M. C. Soriano, G. Van der Sande, J. Danckaert, S. Massar, J. Dambre, B. Schrauwen, C. R. Mirasso, I. Fischer:
Information processing using a single dynamical node as complex system
Nat. Commun. 2, 468 (2011)
DOI [APP12] L. Appeltant:
Reservoir Computing based on Delay-dynamical Systems
(2012)
DOI [ARG18] A. Argyris, J. Bueno, I. Fischer:
Photonic machine learning implementation for signal recovery in optical communications
Sci. Rep. 8, 1 (2018)
DOI [BRU18a] D. Brunner, B. Penkovsky, B. A. Marquez, M. Jacquot, I. Fischer, L. Larger:
Tutorial: Photonic neural networks in delay systems
J. Appl. Phys. 124, 152004 (2018)
DOI [ROE19] A. Röhm, L. C. Jaurigue, K. Lüdge:
Reservoir Computing Using Laser Networks
IEEE J. Sel. Top. Quantum Electron. 26, 7700108 (2019)
DOI [ROE18a] A. Röhm, K. Lüdge:
Multiplexed networks: reservoir computing with virtual and real nodes
J. Phys. Commun. 2, 085007 (2018)
DOI [HAG15] A. M. Hagerstrom, T. E. Murphy, R. Roy:
Harvesting entropy and quantifying the transition from noise to chaos in a photon-counting feedback loop
Proc. Natl. Acad. Sci. 112, 9258 (2015)
DOI [LAR17] L. Larger, A. Bayl\'on-Fuentes, R. Martinenghi, V. S. Udaltsov, Y. K. Chembo, M. Jacquot:
High-Speed Photonic Reservoir Computing Using a Time-Delay-Based Architecture: Million Words per Second Classification
Phys. Rev. X 7, 011015 (2017)
DOI [BUE18a] J. Bueno, S. Maktoobi, L. Froehly, I. Fischer, M. Jacquot, L. Larger, D. Brunner:
Reinforcement learning in a large-scale photonic recurrent neural network
Optica 5, 756 (2018)
[ANT19] P. Antonik, N. Marsal, D. Brunner, D. Rontani:
Human action recognition with a large-scale brain-inspired photonic computer
Nat. Mach. Intell. 1, (2019)
DOI [LIN18d] X. Lin, Y. Rivenson, N. T. Yardimci, M. Veli, Y. Luo, M. Jarrahi, A. Ozcan:
All-optical machine learning using diffractive deep neural networks
Science 361, 1004 (2018)
DOI [YAN19] T. Yan, J. Wu, T. Zhou, H. Xie, F. Xu, J. Fan, L. Fang, X. Lin, Q. Dai:
Fourier-space Diffractive Deep Neural Network
Phys. Rev. Lett. 123, 023901 (2019)
DOI [MAR15b] M. Marconi, J. Javaloyes, P. Camelin, D. C. González, S. Balle, M. Giudici:
Control and Generation of Localized Pulses in Passively Mode-Locked Semiconductor Lasers
IEEE J. Sel. Top. Quantum Electron. 21, 30 (2015)
DOI [MAR14c] M. Marconi, J. Javaloyes, S. Balle, M. Giudici:
How Lasing Localized Structures Evolve out of Passive Mode Locking
Phys. Rev. Lett. 112, 223901 (2014)
DOI [NAH13] M. A. Nahmias, B. J. Shastri, A. N. Tait, P. R. Prucnal:
A Leaky Integrate-and-Fire Laser Neuron for Ultrafast Cognitive Computing
IEEE J. Sel. Top. Quantum Electron. 19, (2013)
DOI [TAI14] A. N. Tait, M. A. Nahmias, B. J. Shastri, P. R. Prucnal:
Broadcast and Weight: An Integrated Network For Scalable Photonic Spike Processing
J. Lightwave Technol. 32, 4029 (2014)
DOI [SHE17f] Y. Shen, N. C. Harris, S. Skirlo, M. Prabhu, T. Baehr-Jones, M. Hochberg, X. Sun, H. LaRochelle, D. Englund, M. Soljacic:
Deep learning with coherent nanophotonic circuits
Nat. Photonics 11, 441 (2017)
DOI [TAI17] A. N. Tait, T. F. de Lima, E. Zhou, A. X. Wu, M. A. Nahmias, B. J. Shastri, P. R. Prucnal:
Neuromorphic Photonic Networks Using Silicon Photonic Weight Banks
Sci. Rep. 7, 7430 (2017)
DOI [HUA19b] Y. Huang, W. Zhang, F. Yang, J. Du, Z. He:
Programmable matrix operation with reconfigurable time-wavelength plane manipulation and dispersed time delay
Opt. Express 27, 20456 (2019)
DOI [DAM12] J. Dambre, D. Verstraeten, B. Schrauwen, S. Massar:
Information processing capacity of dynamical systems
Sci. Rep. 2, 514 (2012)

Zusatzinformationen / Extras

Direktzugang

Schnellnavigation zur Seite über Nummerneingabe