【技术实现步骤摘要】
基于光电计算单元的混合型神经网络及其运算方法
本专利技术涉及一种基于光电计算单元的混合型神经网络及其运算方法，属于计算领域和光电探测领域。
技术介绍
传统的计算机大多采取冯诺依曼架构，然而，因为冯诺依曼架构存储单元和运算单元的分立，导致了在数据传输上产生了极大的能量消耗，并且影响运算速度。光电计算单元为一种可以独立运算或者与目前电子计算技术相结合来进行运算的计算器件，其可以实现高精度的存算一体功能，单个器件即可存储光输入端的光信号并在断光后长时间保存，并且可以实现单个器件即完成乘法运算。这些特性使得光电计算单元不仅适用于传统的卷积神经网络，还适用于类脑的脉冲神经网络。现有的神经网络技术大多使用卷积或者循环类的深度神经网络，通过通用计算平台，如中央处理器、图形处理器等完成运算。卷积或者循环类深度神经网络权值参数大，计算复杂度高，需要大量地访问片外缓存读取权值来完成多次运算，这对传统计算系统的计算力有着较高要求。且由于反复访问片外缓存，大量能量损失在数据传输过程，导致其计算能效低，不能满足日益增长的应用需求。
【技术保护点】
1.基于光电计算单元的混合型神经网络，包括神经计算核结构，神经计算核结构包括突触网络、轴突、数据接收器、选择器、树突以及神经元，其特征在于，/n将多个光电计算单元周期性排列组成的阵列作为突触网络，每个光电计算单元包括发光单元和计算单元，发光单元发出的光入射到计算单元中；每个计算单元包括载流子控制区、耦合区、以及光生载流子收集区和读出区；阵列中每一行计算单元的载流子控制区依次相连作为轴突，并且每一行的载流子控制区连接一个第一选择器，所有第一选择器与数据接收器相连；阵列中每一列计算单元的载流子读出区依次相连作为树突，并且每一列载流子读出区连接一个神经元；单个神经元包括模数转换器...
【技术特征摘要】
1.基于光电计算单元的混合型神经网络，包括神经计算核结构，神经计算核结构包括突触网络、轴突、数据接收器、选择器、树突以及神经元，其特征在于，
将多个光电计算单元周期性排列组成的阵列作为突触网络，每个光电计算单元包括发光单元和计算单元，发光单元发出的光入射到计算单元中；每个计算单元包括载流子控制区、耦合区、以及光生载流子收集区和读出区；阵列中每一行计算单元的载流子控制区依次相连作为轴突，并且每一行的载流子控制区连接一个第一选择器，所有第一选择器与数据接收器相连；阵列中每一列计算单元的载流子读出区依次相连作为树突，并且每一列载流子读出区连接一个神经元；单个神经元包括模数转换器、加法器、第二选择器、激活函数和阈值比较器；模数转换器的输入端连接计算单元的载流子读出区输出端，其输出端连接加法器的输入端；加法器的输出端分别与激活函数和阈值比较器的输入端相连接；激活函数和阈值比较器的输出端则与第二选择器相连接，第二选择器分类输出结果。
2.根据权利要求1所述的基于光电计算单元的混合型神经网络，其特征在于，所述...
【专利技术属性】
技术研发人员：王瑶，梅正宇，王宇宣，陈轩，
申请(专利权)人：南京惟心光电系统有限公司，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。