Optical Vector-Matrix Multiplication for Machine Learning on Board of Satellites

Abstract

Optische Vektor-Matrix Multiplikation (OVMM) entspricht einer optischen Operation, mit der sich Vektoren und Matrizen miteinander multiplizieren lassen. Die Stärke der OVMM liegt in der parallelen Rechenleistung, zusammen mit der hohen Energieeffizienz. Die Effizienz ist ein wichtiger Bestandteil der OVMM, der ebenfalls für Anwendungen auf Satelliten, aufgrund der benötigten Energieeffizienz, von großer Bedeutung ist. Der erste Teil der Bachelorarbeit beschäftigt sich mit der Untersuchung der Performance des Aufbaus zur OVMM, wobei sowohl diskrete, als auch nicht-diskrete Werte untersucht werden. Der zweite Teil dieser Arbeit besteht darin, die Fähigkeit des Aufbaus zu bewerten, eine Machine Learning Aufgabe durchzuführen und ob sie bereits für den Einsatz auf Satelliten geeignet ist. Für die Auswertung der Performance des Aufbaus für die OVMM wurde die Genauigkeit zwischen den Ausgabewerten für die OVMM und den Werten aus der berechneten Vektor-Matrix Multiplikation (VMM) untersucht. Die Durchschnittsgenauigkeit für ein 4-Spaltenvektor beträgt 86,9 %. Die Genauigkeit für einen 6- und 10-Spaltenvektor entspricht 78,3 % und 73,0 %. Im weitern Teil der Analyse der OVMM werden die Ausgabewerte diskret und der Prozess für die Bestimmung der Genauigkeit wird wiederholt. Die Durchschnittsgenauigkeit konnte für die jeweilige Bit Auflösung für den 4-Spaltenvektor verbessert werden. Ein optisches Machine Learning Model wird implementiert, bei der die Performance einer Klassifizierungsaufgabe bestimmt wird. Mit einer 2-bit Kodierung des Datensatzes kann mithilfe des optischen Machine Learning Models die richtige Klasse mit einer Genauigkeit von 58,0 % bestimmt werden. Das Experiment wird mit einer 8-bit Kodierung des Datensatzes wiederholt, wodurch eine Genauigkeit zur Bestimmung der richten Klasse von 42,0 % erreicht wird.