講演情報
[17a-WL2_101-7]誘電体メタサーフェスを用いたハイブリッド型光ニューラルネットワークにおける
教師あり対照学習を用いた汎化性能の向上
〇(B)曹 徳宇1、任 淳2、李 池雲2、レーム アンドレ3、堀崎 遼一3、種村 拓夫1,2 (1.東京大工学部、2.東京大工学系研究科、3.東京大情報理工学系研究科)
キーワード：
メタサーフェス、光ニューラルネットワーク、画像認識
本研究では、誘電体メタサーフェスを用いたハイブリッド光ニューラルネットワークに教師あり対照学習を導入し、受動的な光学エンコーダによる頑健かつタスク非依存な特徴表現の獲得を目指す。シミュレーションにより、CIFAR-100で事前学習した光学エンコーダは、CIFAR-10で69.4%の精度を達成し、デジタル演算量が24倍の全デジタルAlexNetと同等の性能を示した。さらに、分布外データセットに対しても優れた汎化性能を確認した。