基于微环谐振器的光子神经网络卷积层芯片制造技术

一种基于微环谐振器的光子神经网络卷积层芯片。该芯片通用于所有包含卷积计算的深度学习技术。该芯片利用波分复用的方式，将矢量化的待计算信号加载到不同的光波长上。微环谐振器和平衡光电探测器构成权值矩阵，可以完成待计算信号和权值矩阵的卷积计算，输出卷积结果。利用集成微环谐振器的可调谐性，可以实现任意数值的卷积计算。并且，利用光作为数值计算媒介，将卷积计算的速度提升至常数级(即光速)，同时具有更高的能效比优势。

【技术实现步骤摘要】
基于微环谐振器的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。技术背景近年来，深度学习技术(Y.LeCun,etal,“Deeplearning,”Nature,vol.521,pp.436-444,2015)受到学界和业界的广泛关注。基于大规模数据库和高速数字计算能力，深度学习可以对数据的关键特征进行自动提取，从而实现数据的预测、重构、判断等任务。多项基于深度学习的技术已经超越了人类在特定任务下的表现，也因此得到了广泛的应用。但是，实现高性能深度学习的一个重要条件是超高速率和超高能量效率的数字计算平台。现有的数字计算平台如中央处理器(CPU)、图形处理器(GPU)、张量处理器(TPU)等均是基于大规模集成电路所实现的。随着计算能力需求的进一步扩大，电子技术先天具有的带宽限制将成为阻碍现有数字计算平台发展的重要瓶颈。作为一种极具潜力的替代方案，光子集成技术利用光作为传输和处理载体，可以轻松突破电子技术的带宽瓶颈，为将来的超大带宽超高速计算提供有力支撑。因此，利用光子技术实现一种深度学习计算芯片，也就是神经网络芯片，成为了研究热点。麻省理工学院利用相干光学的方式研制了一种可实现矩阵乘法的光子神经网络芯片(Y.Shen,etal,“Deeplearningwithcoherentnanophotoniccircuits,”NaturePhotonics,vol.11,pp.441-446,2017)。但是此方法的劣势也较为明显，当所需要的计算较为复杂时，此方法所实现的芯片将十分复杂，其中的光子移项器级联级数将十分庞大，影响最终的计算正确率。然而，实现光子神经网络的方法不仅只有相干光的方法，还可以使用非相干光的方式(AlexanderN.Tait,etal,“Neuromorphicphotonicnetworksusingsiliconphotonicweightbanks,”ScientificReports,vol.7,pp.7430,2017)。这种方式利用波分复用的方法，避免了对光相位的精确控制，更有效地完成了光子神经网络的架构。通过这种方法的启发，我们可以实现一种基于微环谐振器的光子卷积层芯片。在避免精确控制光相位的同时，实现超快速的卷积计算，为未来深度学习技术的进一步发展提供强大的数字计算能力。
技术实现思路
本专利技术的目的在于针对现有技术的不足，提出一种基于微环谐振器的光子神经网络卷积层芯片及其设计方法。该芯片通用于所有包含卷积计算的深度学习技术。该设计方法利用波分复用的方式，将矢量化的待计算信号加载到不同的光波长上。微环谐振器和平衡光电探测器构成权值矩阵，可以完成待计算信号和权值矩阵的卷积计算，输出卷积结果。利用集成微环谐振器的可调谐性，可以实现任意数值的卷积计算。并且，利用光作为数值计算媒介，将卷积计算的速度提升至常数级(即光速)，同时具有更高的能效比优势。本专利技术的技术方案如下：一种基于微环谐振器的光子神经网络卷积层芯片，其特点在于包括激光器光源阵列、调制器阵列、波分复用器、分光器和微环谐振器矩阵：所述的激光器光源阵列由M个激光器构成，M个激光器各有一个光输出端口，共输出M个波长不同的单频连续光；所述的调制器阵列由M个光输入端口、M个电输入端口、M路调制器和M个光输出端口构成，所述的波分复用器有M个光输入端口和1个光输出端口，所述的分光器有1个光输入端口和N个光输出端口，所述的微环谐振器矩阵由N个结构相同、作用相同的微环谐振器阵列构成，每个微环谐振器阵列各有M个微环谐振器、还包括直通端、耦合端、平衡光电探测器、1个光输入端口、M个电输入端口和1个电输出端口；所述的激光器光源阵列的M个光输出端口与所述的调制器阵列的M个光输入端口相连，待卷积的M路电信号经过所述的调制器阵列的M个电输入端口输入每个调制器，所述的调制器阵列的M个光输出端口与所述的波分复用器的M个光输入端口相连，所述的波分复用器的光输出端口与所述的分光器的光输入端口相连，所述的分光器的N个光输出端口与所述的微环谐振器矩阵的N个微环谐振器阵列的光输入端口相连，所述的卷积窗口信号由所述的微环谐振器矩阵的N个微环谐振器阵列的M个电输入端口输入每个微环谐振器，所述的直通端和耦合端分别接入所述的平衡光电探测器，N个微环谐振器阵列各有一个电输出端口；所述的激光器光源阵列输出M个波长不同的单频连续光；所述的调制器阵列将输入的M个待卷积的电信号分别调制到M个波长不同的单频连续光的强度上，每一个光波长对应一个待卷积的电信号；所述的波分复用器将多个波长的光合成一束；所述的分光器再将一束光按照光强度平均分成N路，每一路光中均包含了M个波长的成分；所述的微环谐振器矩阵的每一个微环谐振器阵列接收来自所述的分光器的一路光，每一个微环谐振器阵列中的M个微环谐振器分别接收一个卷积窗电信号，M个微环谐振器通过直通端相应地把M个波长的光不同程度地转移到所述的耦合端，所述的直通端和耦合端分别接入平衡光电探测器，该平衡光电探测器将光信号与所述的卷积窗电信号相乘后转化为电信号并作为结果输出，所述的M、N为不同的正整数。所述的所述的激光器光源阵列为GaAIAs/GaAs激光器、InGaAsP/InP激光器、分布反馈激光器或量子阱激光器。所述的调制器阵列为铌酸锂电光调制器、聚合物电光调制器或硅基集成电光调制器。所述的波分复用器为阵列波导光栅或非线性布拉格光栅。本专利技术的过程和原理叙述如下：所述的激光器光源阵列输出M个波长不同的单频连续光；所述的调制器阵列将输入的电信号调制到光的强度上，因此，每一个光波长对应了一个电输入信号；所述的波分复用器将多个波长的光合成一束；所述的分光器将一束光按照光强度平均分成N路，每一路光中均包含了M个波长的成分；所述的微环谐振器矩阵包含N个结构相同的微环谐振器阵列，每一个微环谐振器阵列接收一路来自分光器的光，并且，每一个微环谐振器阵列中包含M个微环谐振器，可以接收M个电信号，每一个微环谐振器可以按照电信号的输入相应地将单一波长的光强度从直通端转移到耦合端，因此，M个微环谐振器可以相应的把M个波长的光不同程度地转移到耦合端，直通端和耦合端分别接入平衡光电探测器，平衡光电探测器将光信号转化为电信号并作为结果输出。卷积计算本质上是待卷积信号与卷积窗参数之间的相乘相加运算，可以由如下的表达式表示：本专利技术提出的基于微环谐振器的光子神经网络卷积层芯片可以完成上述的卷积即相乘相加计算。所述的激光器光源阵列输出M个波长不同的光；所述的调制器阵列将M个输入信号(即Xi,i＝1,2,…,M)强度调制到不同波长的光上；经过所述的波分复用器和分光器，在每一个微环谐振器阵列中均输入了调制后的M个不同波长的光信号，每个微环谐振器阵列包含有M个微环谐振器，微环谐振器的作用是根据加在电信号的强弱把直通端的光强度耦合到耦合端。通过控制微环谐振器的谐振半径和耦合长度，可以使每个微环谐振器只对某一个特定的波长具有耦合作用。因此，将M个卷积窗信号(即Wi,i＝1,2,…,M)加载到M个微环谐振器上，可以相应的把M个波长的光信号的强度从直通端耦合到耦合端，完成了每一个输入信号和卷积窗信号的相乘(即Xi·Wi,i＝1,2,本文档来自技高网...

【技术保护点】
1.一种基于微环谐振器的光子神经网络卷积层芯片，其特征在于包括激光器光源阵列(1)、调制器阵列(2)、波分复用器(3)、分光器(4)和微环谐振器矩阵(5)：所述的激光器光源阵列(1)由M个激光器构成，M个激光器各有一个光输出端口，共输出M个波长不同的单频连续光；所述的调制器阵列(2)由M个光输入端口、M个电输入端口、M路调制器和M个光输出端口构成，所述的波分复用器(3)有M个光输入端口和1个光输出端口，所述的分光器(4)有1个光输入端口和N个光输出端口，所述的微环谐振器矩阵(5)由N个结构相同、作用相同的微环谐振器阵列构成，每个微环谐振器阵列各有M个微环谐振器(5.1)、还包括直通端(5.2)、耦合端(5.3)、平衡光电探测器(5.4)、1个光输入端口、M个电输入端口和1个电输出端口；所述的激光器光源阵列(1)的M个光输出端口与所述的调制器阵列(2)的M个光输入端口相连，待卷积的M路电信号经过所述的调制器阵列(2)的M个电输入端口输入每个调制器，所述的调制器阵列(2)的M个光输出端口与所述的波分复用器(3)的M个光输入端口相连，所述的波分复用器(3)的光输出端口与所述的分光器(4)的光输入端口相连，所述的分光器(4)的N个光输出端口与所述的微环谐振器矩阵(5)的N个微环谐振器阵列的光输入端口相连，所述的卷积窗口信号由所述的微环谐振器矩阵(5)的N个微环谐振器阵列的M个电输入端口输入每个微环谐振器(5.1)，所述的直通端(5.2)和耦合端(5.3)分别接入所述的平衡光电探测器(5.4)，N个微环谐振器阵列各有一个电输出端口；所述的激光器光源阵列(1)输出M个波长不同的单频连续光；所述的调制器阵列(2)将输入的M个待卷积的电信号分别调制到M个波长不同的单频连续光的强度上，每一个光波长对应一个待卷积的电信号；所述的波分复用器(3)将多个波长的光合成一束；所述的分光器(4)再将一束光按照光强度平均分成N路，每一路光中均包含了M个波长的成分；所述的微环谐振器矩阵(5)的每一个微环谐振器阵列接收来自所述的分光器(4)的一路光，每一个微环谐振器阵列中的M个微环谐振器(5.1)分别接收一个卷积窗电信号，M个微环谐振器(5.1)通过直通端(5.2)相应地把M个波长的光不同程度地转移到所述的耦合端(5.3)，所述的直通端(5.2)和耦合端(5.3)分别接入平衡光电探测器(5.4)，该平衡光电探测器(5.4)将光信号与所述的卷积窗电信号相乘后转化为电信号并作为结果输出，所述的M、N为不同的正整数。...

【技术特征摘要】
1.一种基于微环谐振器的光子神经网络卷积层芯片，其特征在于包括激光器光源阵列(1)、调制器阵列(2)、波分复用器(3)、分光器(4)和微环谐振器矩阵(5)：所述的激光器光源阵列(1)由M个激光器构成，M个激光器各有一个光输出端口，共输出M个波长不同的单频连续光；所述的调制器阵列(2)由M个光输入端口、M个电输入端口、M路调制器和M个光输出端口构成，所述的波分复用器(3)有M个光输入端口和1个光输出端口，所述的分光器(4)有1个光输入端口和N个光输出端口，所述的微环谐振器矩阵(5)由N个结构相同、作用相同的微环谐振器阵列构成，每个微环谐振器阵列各有M个微环谐振器(5.1)、还包括直通端(5.2)、耦合端(5.3)、平衡光电探测器(5.4)、1个光输入端口、M个电输入端口和1个电输出端口；所述的激光器光源阵列(1)的M个光输出端口与所述的调制器阵列(2)的M个光输入端口相连，待卷积的M路电信号经过所述的调制器阵列(2)的M个电输入端口输入每个调制器，所述的调制器阵列(2)的M个光输出端口与所述的波分复用器(3)的M个光输入端口相连，所述的波分复用器(3)的光输出端口与所述的分光器(4)的光输入端口相连，所述的分光器(4)的N个光输出端口与所述的微环谐振器矩阵(5)的N个微环谐振器阵列的光输入端口相连，所述的卷积窗口信号由所述的微环谐振器矩阵(5)的N个微环谐振器阵列的M个电输入端口输入每个微环谐振器(5.1)，所述的直通端(5.2)和耦合端(5.3)分别接入所述的平衡光电探测器(5....

【专利技术属性】
技术研发人员：邹卫文，徐绍夫，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