平铺型光子神经网络卷积层芯片制造技术

一种平铺型光子神经网络卷积层芯片，该芯片通用于所有包含了卷积层的神经网络计算。将待运算的数据通过光幅度在光子集成器件中进行表示，并且通过光子集成器件的级联和组网，形成数据运算的功能，并将运算结果实时输出。利用光子集成器件的可调性，可以将任意的信号调制在光幅度上，实现了任意待卷积信号的卷积计算。由于光子信息处理的速度均是常数级(即光速)，可以将传统计算机架构的卷积计算提升数个数量级。同时具有能耗比的优势。

Convolution Layer Chip of Flat-Paved Photonic Neural Network

A flat photonic neural network convolution layer chip is used for all the neural network computation including convolution layer. The data to be calculated is expressed by optical amplitude in photonic integrated devices, and the data operation function is formed by cascading and networking of photonic integrated devices, and the operation results are output in real time. With the tunability of photonic integrated devices, any signal can be modulated on the optical amplitude, and the convolution calculation of any signal to be convoluted can be realized. Because the speed of photon information processing is constant order (that is, the speed of light), the convolution calculation of traditional computer architecture can be improved by several orders of magnitude. At the same time, it has the advantage of energy consumption ratio.

【技术实现步骤摘要】
平铺型光子神经网络卷积层芯片
本专利技术涉及智能光子信号处理技术和神经网络技术，特别是一种光子神经网络卷积层芯片技术。技术背景神经网络是一种经典的机器学习算法，是由生物脑神经信息处理模式启发得到的一种计算模型。它的提出为人类解决机器学习问题提供了一种更加强大更加普适性的思路和方法。其中一个典型的应用便是深度学习(Y.LeCun,etal,“Deeplearning,”Nature,vol.521,pp.436-444,2015)。利用多层神经网络，深度学习可以实现海量复杂数据特征学习并能够提供超高准确率的智能预测结果。其应用领域十分广泛。例如，在计算机图像领域，深度学习已经在图像识别与分类、图像超分辨率、图像去噪及去文字等方向取得了突破性的成果；在自动驾驶领域，深度学习为无人驾驶车辆提供了路面情况预判以及行人行为预判等方面的信息；在医学诊断领域，深度学习提供了多种疾病的自动化诊断方式；在人类游戏方面，深度学习已经在围棋、象棋、DOTA等方向战胜人类。虽然深度学习的应用面十分广泛，但构建其所需要的神经网络是规定化和一般化的。深度学习中应用最为广泛的神经网络一般包括了卷积层和全连接层本文档来自技高网...

【技术保护点】
1.一种平铺型光子神经网络卷积层芯片，其特征在于包括激光源阵列(1)、光放大器阵列(2)、光子卷积核阵列(3)和光电探测器阵列(4)，所述的激光源阵列(1)共有M个输出端，所述的光放大器阵列(2)由M个输入端、M路光放大器和M个输出端构成，所述的光子卷积核阵列(3)包括M个同样架构的光子卷积核，所述的光电探测器阵列(4)包括M个光电探测器；所述的激光源阵列(1)的第m输出端与所述的光放大器阵列(2)的第m输入端相连，所述的光放大器阵列(2)的第m输出端与所述的光子卷积核阵列(3)的第m输入端相连，第m光子卷积核的输出端与所述的光电探测器阵列(4)的第m光电探测器的输出端相连，所述的M为正整数；...

【技术特征摘要】
1.一种平铺型光子神经网络卷积层芯片，其特征在于包括激光源阵列(1)、光放大器阵列(2)、光子卷积核阵列(3)和光电探测器阵列(4)，所述的激光源阵列(1)共有M个输出端，所述的光放大器阵列(2)由M个输入端、M路光放大器和M个输出端构成，所述的光子卷积核阵列(3)包括M个同样架构的光子卷积核，所述的光电探测器阵列(4)包括M个光电探测器；所述的激光源阵列(1)的第m输出端与所述的光放大器阵列(2)的第m输入端相连，所述的光放大器阵列(2)的第m输出端与所述的光子卷积核阵列(3)的第m输入端相连，第m光子卷积核的输出端与所述的光电探测器阵列(4)的第m光电探测器的输出端相连，所述的M为正整数；第m光子卷积核包括第一级光分支器(3.1)、第二级光分支器(3.2)、第一级MZM(3.3)、第二级MZM(3.4)、第一级光合路器(3.5)和第二级光合路器(3.6)，第一级光分支器(3.1)的输入端接所述的所述的光放大器阵列(2)的第m输出端，将输入光分为L1分光、L2分光，L1分光与所述的第二级光合路器(3.6)的第一输入端相连，L2分光与所述的第二级光分支器(3.2)的输入端相连，该第二级光分支器(3.2)的N个输出...

【专利技术属性】
技术研发人员：邹卫文，徐绍夫，王静，陈建平，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海,31