20.500.12556/RUL-181529 Optični model nevronske mreže na osnovi nelinearnih optičnih pojavov An Optical Neural Network Model Based on Nonlinear Optical Effects Optični model nevrona, ki ga predstavim v magistrskem delu, temelji na nelinearnih optičnih pojavih tretjega reda (Kerrov pojav in ustvarjanje tretjega harmonika). V uvodu predstavim teoretični okvir, v katerem povežem nelinearno optiko in osnovne gradnike umetnih nevronskih mrež. Glavni del predstavlja numerična implementacija FDTD simulacij, s katerimi sem preučeval propagacijo elektromagnetnega valovanja skozi Kerrov optično aktiven material in nastanek komponente elektromagnetnega valovanja pri frekvenci 3$\omega_0$. Iz odvisnosti amplitude tretjga harmonika od vhodne amplitude sem definiral fotonsko aktivacijsko funkcijo, pri čemer je logistična funkcija pokazala najboljše ujemanje, zato sem jo uporabil v nadaljnjih simulacijah. Na osnovi tega je bila zgrajena fotonska nevronska mreža, ki upošteva ključne fizikalne omejitve (nenegativne uteži, saturacijo aktivacije). Primerjal sem jo z referenčnimi elektronskimi mrežami na podatkovni bazi MNIST. Rezultati kažejo, da fotonske omejitve z razširjeno aktivacijo omogočajo visoko natančnost (približno 95–97 %), medtem ko tipične računske nevronske mreže dosežejo nekoliko boljšo natančnost (nad 97–98 %). Slednje potrjuje, da so optične nevronske mreže potencialni kandidat za nadomestitev računskih nevronskih mrež. Predlagani nadaljnji koraki vključujejo razširitev simulacij širjenja svetlobe v tridemenzionali prostor, preizkus različnih materialov in eksperimentalno validacijo. The optical neuron model presented in this master’s thesis is based on third-order nonlinear optical phenomena (the Kerr effect and third-harmonic generation). In the introduction, I outline the theoretical framework that connects nonlinear optics with the fundamental building blocks of artificial neural networks. The main part of the work focuses on the numerical implementation of one-dimensional FDTD simulations used to study the propagation of electromagnetic waves through a Kerr medium and the generation of the 3$\omega_0$ frequency component. From the dependence of the third-harmonic amplitude on the input amplitude, I derived a photonic activation function; the logistic function showed the best fit and was therefore used in further simulations. I then constructed a photonic neural network that incorporates key physical constraints (non-negative weights and activation saturation) and compared its performance on the MNIST dataset with reference electronic networks. The results show that photonic constraints combined with the extended activation enable high accuracy (approximately 95–97 %), while electronic networks achieve slightly higher accuracy (above 97–98 %). This confirms that photonic neural networks are a promising candidate for replacing electronic neural networks. Proposed future directions include extending the simulation of light propagation to tree dimensions, exploring different materials, and conducting experimental validation. nelinearna optika Kerrov pojav optični nevron FDTD simulacije fotonska aktivacijska funkcija fotonska nevronska mreža nonlinear optics Kerr effect third-harmonic generation optical neuron FDTD simulations photonic activation function photonic neural network true false false Slovenski jezik Angleški jezik Magistrsko delo/naloga 2026-04-10 08:15:06 2026-04-10 08:15:19 2026-04-13 04:41:25 0000-00-00 00:00:00 2026 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 159637 74592515 21365.pdf 21365.pdf 1 63EE29374386E721DF2EE318B5B255A8 1988a82ee5c30858d9a55781b5efa91c8014810c68fbc1929835e0f3d12d6676 71a7b79c-34a4-11f1-b0ab-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=232088 Fakulteta za matematiko in fiziko 0 0 0