2026 article

Reconfigurable Optical Dilated Convolution Accelerator for Multi‐Scale Feature Extraction

Yixuan Zheng, Yunping Bai, Ruilin Liao, Xiyao Jia, Yifu Xu, Shifan Chen, Zhihui Liu, Yue Zhou, Tian Yao Zhang, Xin Peng, Sha Zhu, Yuyang Liu, Sai Tak Chu, Xiaotian Zhu, Yi Zheng, Brent E. Little, Roberto Morandotti, Arnan Mitchell, David Moss, Xingyuan Xu, Kun Xu

0Citations signalées, ce qui n’est pas une note de qualité

10Institutions déclarées

7Pays d’affiliation déclarés

Rattachement africain : cn, dk, hk, cz, ca, gb, au. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

ABSTRACT Dilated convolution is pivotal for dense prediction tasks such as semantic segmentation, as it expands the receptive field to capture multi‐scale contextual information without increasing parameter complexity. However, its electronic implementation often faces bottlenecks due to non‐contiguous memory access and high computational load. Here, we report a Reconfigurable Optical Dilated Convolution Accelerator (RODCA) based on a wavelength‐dispersion co‐tuning mechanism. By dynamically controlling optical frequency comb spacing and dispersion, RODCA enables reconfigurable dilation rates while improving spectral efficiency. The system achieves an equivalent computing throughput of 13.858 Tera operations per second (TOPS). We experimentally validate the RODCA using Laplacian kernels and semantic segmentation tasks, where it achieves a pixel accuracy of 88.46% and a mean Intersection over Union (mIoU) of 76.08%, closely matching in‐silico results. This work demonstrates RODCA's capability for efficient multi‐scale feature extraction, highlighting its potential for next‐generation photonic computing in complex AI applications.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref: Reconfigurable Optical Dilated Convolution Accelerator for Multi‐Scale Feature Extraction
Date Crossref: 15/09/2026
Éditeur: Wiley
Type: journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

Beijing University of Posts and Telecommunications pays non établi dans la notice
Université ou école supérieure
Technical University of Denmark pays non établi dans la notice
Université ou école supérieure
Nankai University pays non établi dans la notice
Université ou école supérieure
Yangtze Optical Electronic (China) pays non établi dans la notice
Entreprise
City University of Hong Kong pays non établi dans la notice
Université ou école supérieure
Medical Technologies (Czechia) pays non établi dans la notice
Entreprise
Institut National de la Recherche Scientifique pays non établi dans la notice
Université ou école supérieure
Applied Photonics (United Kingdom) pays non établi dans la notice
Entreprise
RMIT University pays non établi dans la notice
Université ou école supérieure
Swinburne University of Technology pays non établi dans la notice
Université ou école supérieure
China Telecom Research Institute State Key Laboratory of Optical Fiber and Cable Manufacture Technology Beijing People's Republic of China pays non établi dans la notice
Structure de recherche
QXP Technologies Inc. Xi'an People's Republic of China pays non établi dans la notice
Entreprise

Beijing University of Posts and Telecommunications, Technical University of Denmark et Nankai University, avec 9 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Neural Networks and Reservoir ComputingPhotonic and Optical DevicesAdvanced Fiber Laser Technologies

Consulter la publication primaire Ouvrir le DOI