第一章介紹了光子計算機發展的歷史以及神經網絡的概念。第二章重點介紹了物理儲層計算的原理，以及一些與光子計算相關的重要概念——品質因數、拓撲網絡、線性和非線性記憶容量。第三章介紹了儲層集成的最新技術，主要集中在被動架構的實現，以及如何通過光電探測器實現非線性變換的原理。第四章介紹了大規模光子儲層的潛力，重點討論了幾種可以產生復雜網絡耦合的光學配置。第五章概況介紹了基于延遲系統的儲層計算。第六章詳細闡述了池田延遲（Ikeda delay dynamics）動力學與光子儲存計算機控制和開發的相關性。第七章討論了使用半導體激光器作為物理襯底的光子 RC 的實現。第八章重點介紹如何使用光電系統作為主體構建先進的光子儲存計算機。
Daniel Brunner出生于德國Oedheim，一直是法國貝桑松FEMTO-ST的CNRS永久研究員，研究興趣包括非線性光子學，重點是使用量子系統或非線性動力學進行信息處理的新方法，目前專注于在光子系統中實現神經網絡和機器學習。他的博士論文獲得了多個大學獎項和2010年IOPs羅伊斯獎。
曾任國家科技基礎條件平臺中心副主任；中國駐洛杉磯總領事館科技參贊；2020年10月，擔任國家遙感中心副主任的呂先志接受中組部選派來海南掛職，任海南省發展改革委黨組成員、副主任，同時擔任園區建設組團組長。 2022.11—2023.12 工業和信息化部火炬高技術產業開發中心黨委書記 2023.12— 工業和信息化部火炬高技術產業開發中心黨委書記，主任
目 錄
1. 新型光子計算簡介 1
1.1 計算光學 1
1.1.1 計算光學的優勢 2
1.1.2 邏輯光計算機 5
1.1.3 具有空間變換的光計算 6
1.2 神經網絡 8
1.2.1 感知機 9
1.2.2 前饋神經網絡 11
1.2.3 遞歸神經網絡 12
1.2.4 深度神經網絡 14
1.2.5 Hopfield網絡 15
1.3 早期光子實現 17
1.3.1 光學感知機 18
1.3.2 光學Hopfield網絡 19
1.4 結論 21
原著參考文獻 21
2. 光子儲備池系統的信息處理和計算 22
2.1 介紹 22
2.1.1 數字計算的邊界 22
2.1.2 模擬計算 23
2.2 儲備池計算 24
2.2.1 一個更寬松的計算模型 24
2.2.2 如何訓練儲備池計算機 25
2.2.3 儲備池性能的測量 26
2.2.4 作為模型系統的回聲狀態網絡 27
2.2.5 對儲備池的一般要求 29
2.2.6 物理儲備池計算 30
2.3 儲備池信息處理 31
2.3.1 再現記憶 31
2.3.2 非線性處理能力 33
2.3.3 記憶、非線性和噪聲敏感性 34
2.4 結論 36
原著參考文獻 36
3. 集成片上儲備池 37
3.1 介紹 37
3.2 無源儲備池計算 37
3.3 集成光學讀出層 40
3.3.1 基本原理 40
3.3.2 訓練集成光學讀出層 41
3.3.3 權重分辨率的影響 44
3.4 通信應用 45
3.4.1 非線性色散補償 45
3.4.2 PAM-4邏輯 48
3.5 混沌腔 49
3.5.1 設計 50
3.5.2 方法 50
3.5.3 XOR任務 51
3.5.4 幀頭識別 52
3.5.5 儲備池的Q因子和時間尺度 53
3.6 用于細胞識別的柱狀散射體 54
3.6.1 用數字全息顯微鏡分選細胞 54
3.6.2 用于極限學習機（ELM）實現的電介質散射體 55
3.6.3 相位靈敏度的非線性 58
3.6.4 電介質散射體和光腔的組合 60
3.7 結論 61
原著參考文獻 61
4. 大型時空儲備池 62
4.1 導言 62
4.2 衍射耦合 62
4.2.1 耦合矩陣 65
4.2.2 網絡規模限制 68
4.3 垂直發射激光器的網絡 69
4.3.1 網絡動力學和光注入 71
4.3.2 函數逼近 73
4.4 Ikeda振蕩器的儲備池 73
4.4.1 實驗設置 74
4.4.2 耦合Ikeda振蕩器的驅動網絡 75
4.4.3 讀出權重和光子學習 76
4.4.4 抑制單極系統的性能限制 78
4.4.5 系統性能 79
4.4.6 噪聲和漂移 81
4.4.7 自治系統：輸出反饋 83
4.5 結論 85
原著參考文獻 86
5. 用于儲備池計算的時間延遲系統 87
5.1 導言 87
5.2 標準儲備池計算 87
5.3 延遲反饋系統 88
5.4 作為儲備池的延遲反饋系統 90
5.4.1 用具有延遲反饋功能的非線性節點實現 91
5.4.2 延遲反饋方法中的時間復用 92
5.4.3 基于延遲的儲備池計算中的讀出和訓練 93
5.4.4 例子：混沌時間序列預測 94
5.5 基于延遲的儲備池計算機的互連結構 96
5.5.1 通過系統動力學的互連結構 97
5.5.2 通過反饋線的互連結構 99
5.6 輸入層的權重分布 100
5.7 基于延遲的儲備池計算的計算量 101
5.8 基于延遲的儲備池計算的硬件實現 103
5.8.1 基于延遲的儲備池計算的電子實現示例 104
5.8.2 基于延遲的儲備池計算機物理實現中的挑戰 106
5.9 結論 111
原著參考文獻 112
6. 作為儲備池處理器的Ikeda延遲動力學 113
6.1 導言 113
6.2 從理想實驗到光電裝置 113
6.2.1 Ikeda環形腔的工作原理 113
6.2.2 通過光電方法轉換的全光學Ikeda設置 115
6.3 建模和理論 116
6.3.1 數學模型、時間尺度、運動 116
6.3.2 動力學線性部分 117
6.3.3 反饋和非線性 118
6.3.4 延遲引起的復雜性：自由度、初始條件、相空間 119
6.4 用延遲系統模擬動態網絡 120
6.4.1 延遲系統的時空表示 120
6.4.2 舉例說明：延遲動力學中的嵌合狀態 121
6.4.3 從自主延遲動力學到非自主延遲動力學 124
6.5 基于Ikeda的光子儲備池 125
6.5.1 儲備池計算的標準ESN 125
6.5.2 將ESN模型轉換為延遲動力學模型 126
6.5.3 基于Ikeda的光子儲備池計算實現示例 128
6.6 結論 134
原著參考文獻 134
7. 半導體激光器作為儲備池基底 135
7.1 導言 135
7.2 激光器基礎和半導體類型 135
7.3 用于儲備池計算的單模半導體激光器 137
7.3.1 建模和數值結果 137
7.3.2 單模半導體激光器的首次實驗實現 140
7.3.3 單模半導體激光器的進一步實驗實現 142
7.4 作為儲備池基底的其他光子系統 143
7.4.1 用于儲備池計算的半導體環形激光器 143
7.4.2 摻鉺微芯片激光器 147
7.4.3 半導體光學放大器 148
7.5 結論 148
原著參考文獻 148
8. 先進的儲備池計算機：模擬自主系統和實時控制 149
8.1 導言 149
8.2 簡單的光子儲備池計算機 150
8.3 模擬輸入層和讀出層的實驗實現 152
8.3.1 實驗設置 153
8.3.2 結果 158
8.3.3 討論 163
8.4 在線訓練 163
8.4.1 隨機梯度下降算法 164
8.4.2 實驗設置 166
8.4.3 結果 167
8.5 輸出反饋 171
8.5.1 實驗設置 172
8.5.2 結果 174
8.6 結論 188
原著參考文獻 189
展望 190
新書資訊