等离子体储备池神经拟态计算研究

Reservoir computing is among the recent hot trends in neuromorphic computing. .Compared to other types of artificial recurrent neural networks, reservoir computing has the advantages that the reservoir itself does not need to be trained and can be made of different types of nonlinear systems with high-dimensional phase space, which its hardware implementation more inviting. Some optical and optoelectronic reservoir computing approaches have set records for some classical pattern recognition and time series prediction tasks. In this project, a new type of reservoir computing called plasmonic reservoir computing is proposed, aiming at applying modern surface plasmon techniques to reservoir computing. When excited on metal surfaces by the interaction between photons and electrons, surface plasmons can either propagate along the metal surface like waves or be confined locally to nano-scale spots. In addition, when interacting with the ambient nonlinear optical materials, surface plasmon can tremendously enhance the nonlinear behavior. Based on these extremely useful merits of surface plasmons, we will explore the architecture of constructing plasmonic reservoirs in various types, develop numerical and theoretical models of reservoir computing using the theory of signal processing on graphs and some mathematical tools from dynamic systems and algebraic geometry. Moreover, we will investigate other types of plasmon-based computing schemes.

储备池计算是神经形态计算的研究热点之一。与其他类型的人工递归神经网络相比，储备池计算的一些优点比如储备池本身不需要被训练以及可以用具有高维相空间的任何非线性系统来构建，简化了储备池计算的物理实现。一些在光学系统和光电系统上实现的储备池计算在一些经典模式识别和时间序列预测任务中达到了超越其他方法的运算速度和低差错率。本项目提出了一种可称为等离子体储备池计算的新概念，旨在将现代高速发展的表面等离子体技术应用于储层计算的物理实现上。通常由光子和电子在金属表面相互作用而激励产生的表面等离子体，既可以像波一样沿着金属表面传播，也可以被限制在极小的纳米尺度上，同时可以大大增强金属和界面附近的光学非线性现象。基于表面等离子体这些极为有用的性质，本项目将探索研究等离子体储备池和其他类型等离子体计算的各类实现方案，同时将使用图上的信号处理理论结合数学上动力系统理论和代数几何方法深入研究储备池计算的理论模型。

储备池计算是人工或生物神经网络计算的一类模型，由于其既可以基于计算机架构又可以用物理系统实现的特性，受到了一定青睐。本课题的研究主要围绕使用等离子体器件实现储备池计算以及更广范畴的神经网络计算和机器学习的相关课题进行展开。项目内容和取得成果主要涵盖以下几个方面：可以用作储备池节点的表面等离子体激元器件的光学特性研究，等离子体储备池系统设计方案研究，其他新型的储备池方案和神经网络方案的研究，储备池计算相关的一些理论如谱图理论研究以及储备池理论在其他领域如密码学的应用探索。项目执行期间，撰写杂志论文6篇，其中2篇已发表，会议论文4篇，其中1篇已发表，申请专利4项，其中1项已授权，培养硕士研究生4人，其中3人已毕业。项目研究的重要成果包括设计和验证了一种基于等离子多散射体、隐相干编码、多模场相干调制和光电反馈控制的储备池计算系统，提出了基于多相位调制的等离子体节点器件的近场生成原理，提出了若干可降低计算时能耗的储备池计算和神经网络模型，提出了可用于模拟相干光学网络的权值为复数的一种谱图理论。项目成果中提出的等离子体储备池计算系统具备一定的在光学相干检测领域的应用推广前景。