一种光子神经网络制造技术

一种光子神经网络，包括：光调制单元，将待处理信号调制到光的实振幅，并在调制时在实振幅与光的相位之间引入非线性对应关系，得到第一阵列的光学信号；光子矩阵计算单元，接收第一阵列的光学信号并进行矩阵计算以得到第二阵列的光学信号，进行矩阵计算时同时执行矩阵乘法和非线性变换；投影计算单元，接收第二阵列的光学信号并基于光学干涉提取第二阵列的光学信号的复振幅的实部，以得到第三阵列的光学信号，实部表征矩阵乘法和非线性变换的运算结果；光接收单元，接收第三阵列的光学信号以获取处理后信号。本发明专利技术方案提供一种能够同时进行线性和非线性运算的光子人工智能芯片，功耗低、运算速度快、神经网络集成度高且非线性运算可重构。

【技术实现步骤摘要】
一种光子神经网络
本专利技术涉及光子人工智能芯片
，具体地涉及一种光子神经网络。
技术介绍
在当今人工智能领域最热门的深度学习中，其运算过程主要涉及两个部分：矩阵乘法和非线性激活函数。具体而言，人工智能算法具有处理内容为非结构化数据(如视频、图像、语音)、处理过程需要进行大量的线性代数运算以及处理过程参数量大的特点。以中央处理器为主的计算硬件无法满足人工智能的计算力需求，只能依赖人工智能(Artificialintelligence，简称AI)芯片实现。具体而言，AI芯片是专门面向AI应用的芯片，是AI技术的一种重要的物理基础载体。当前，AI芯片主要基于互补金属氧化物半导体(ComplementaryMetalOxideSemiconductor，简称CMOS)技术实现。随着集成电路器件尺寸不断逼近物理极限，摩尔定律呈现放缓趋势，同时微电子处理器存在能效比下降、时钟频率受限(难以超过6吉赫(GHz))、电子串扰、高功耗以及发热等问题，严重制约着现有的电子AI芯片性能的继续提升。为突破电子芯片在AI领域所面临的问题，光子人工智能芯片应运而生。但是，当前光子人工智能芯片技术尚处于萌芽阶段，对光子人工智能芯片的架构设计仍有较多欠缺，无法充分发挥光子人工智能芯片的优势。
技术实现思路
本专利技术解决的技术问题是提供一种改进的光子神经网络，能够同时进行线性和非线性运算。为解决上述技术问题，本专利技术实施例提供一种光子神经网络，包括：光调制单元，所述光调制单元用于将待处理信号调制到光的实振幅，并在调制时在所述实振幅与所述光的相位之间引入非线性对应关系，将所述光调制单元的输出记作第一阵列的光学信号；光子矩阵计算单元，与所述光调制单元耦接以接收所述第一阵列的光学信号，所述光子矩阵计算单元对所述第一阵列的光学信号进行矩阵计算以得到第二阵列的光学信号，其中，在对所述第一阵列的光学信号进行矩阵计算时同时执行矩阵乘法和非线性变换；投影计算单元，与所述光子矩阵计算单元耦接以接收所述第二阵列的光学信号，所述投影计算单元基于光学干涉提取所述第二阵列的光学信号的复振幅的实部，以得到第三阵列的光学信号，其中，所述实部表征对所述第一阵列的光学信号执行所述矩阵乘法和非线性变换的运算结果；光接收单元，与所述投影计算单元耦接以接收所述第三阵列的光学信号，所述光接收单元基于所述第三阵列的光学信号获取处理后信号。可选的，所述非线性变换的变换函数与所述光调制单元进行实振幅调制时引起的相位变化量以及移相器系数相关，其中，所述移相器系数是所述光子矩阵计算单元中等价对角矩阵采用的移相器的移相参数。可选的，所述实振幅与所述光的相位之间的非线性对应关系是由于所述光调制单元的啁啾效应引起的。可选的，所述光调制单元包括：光学干涉单元，所述光学干涉单元的上臂或下臂设置有第一移相器，以将所述待处理信号调制到光的实振幅，同时调节所述实振幅与所述光的相位之间的非线性对应关系。可选的，所述光学干涉单元的输入端或输出端设置有第二移相器，以调节所述实振幅与所述光的相位之间的非线性对应关系。可选的，所述光调制单元包括：微环谐振器，所述微环谐振器包括相耦合的环形波导和直波导，所述环形波导设置有第一移相器，以将所述待处理信号调制到光的实振幅，同时调节所述实振幅与所述光的相位之间的非线性对应关系。可选的，所述直波导的输入端或输出端设置有第二移相器，以调节所述实振幅与所述光的相位之间的非线性对应关系。可选的，所述光调制单元包括：半导体光放大器，所述半导体光放大器的输入端接收所述光和待处理信号，所述半导体光放大器的输出端输出所述第一阵列的光学信号。可选的，所述半导体光放大器的输入端或输出端设置有第二移相器，以调节所述实振幅与所述光的相位之间的非线性对应关系。可选的，所述相位的偏置根据所述第二移相器的移相参数确定，其中，所述相位的偏置为所述非线性变换的变换函数的起始相位。可选的，所述投影计算单元包括：光学干涉单元，所述光学干涉单元包括第一输入臂和第二输入臂，其中，所述第一输入臂接收所述第二阵列的光学信号，所述第二输入臂接收参考阵列的光学信号，所述第二阵列的光学信号和参考阵列的光学信号在所述光学干涉单元发生光学干涉后输出得到所述第三阵列的光学信号。可选的，所述光接收单元包括：光探测器，用于对所述第三阵列的光学信号进行光电转换；高通滤波单元，与所述光探测器耦接，所述高通滤波单元对所述光探测器的输出进行高通滤波，以得到所述处理后信号。可选的，所述第三阵列的光学信号包括与相位差相关的交流分量，所述高通滤波单元基于高通滤波提取所述交流分量作为所述处理后信号，其中，所述相位差为所述第二阵列的光学信号与参考阵列的光学信号之间的相位差。可选的，所述光接收单元包括：平衡探测单元，用于基于平衡探测方法自所述第三阵列的光学信号获取所述处理后信号。可选的，所述第三阵列的光学信号包括与相位差相关的交流分量，所述平衡探测单元基于平衡探测提取所述交流分量作为所述处理后信号，其中，所述相位差为所述第二阵列的光学信号与参考阵列的光学信号之间的相位差。可选的，所述处理后信号正比于所述交流分量。可选的，所述光子矩阵计算单元为酉矩阵，所述酉矩阵包括多个相互串并联的光学干涉单元。可选的，将相耦接的所述光调制单元和光子矩阵计算单元记作神经网络单元，所述光子神经网络包括多个级联的所述神经网络单元，其中，前一级神经网络单元的输出为后一级神经网络单元的输入，第一级神经网络单元的输入为所述待处理信号，最后一级神经网络单元的输出为所述第二阵列的光学信号。可选的，所述投影计算单元的输出端耦接所述光子矩阵计算单元的输入端，以将所述第三阵列的光学信号重新输入所述光子矩阵计算单元以循环地进行矩阵计算。可选的，所述光子神经网络用于图像处理、图像识别、语音识别、基因测序、量子通信或量子计算。与现有技术相比，本专利技术实施例的技术方案具有以下有益效果：本专利技术实施例提供一种光子神经网络，包括：光调制单元，所述光调制单元用于将待处理信号调制到光的实振幅，并在调制时在所述实振幅与所述光的相位之间引入非线性对应关系，将所述光调制单元的输出记作第一阵列的光学信号；光子矩阵计算单元，与所述光调制单元耦接以接收所述第一阵列的光学信号，所述光子矩阵计算单元对所述第一阵列的光学信号进行矩阵计算以得到第二阵列的光学信号，其中，在对所述第一阵列的光学信号进行矩阵计算时同时执行矩阵乘法和非线性变换；投影计算单元，与所述光子矩阵计算单元耦接以接收所述第二阵列的光学信号，所述投影计算单元基于光学干涉提取所述第二阵列的光学信号的复振幅的实部，以得到第三阵列的光学信号，其中，所述实部表征对所述第一阵列的光学信号执行所述矩阵乘法和非线性变换的运算结果；光接收单元，与所述投影计算单元耦接以接收所述第三阵列的光学信号，所述光接收单元基于所述第三阵列的光学信号获取处理后信号。由上，本实施方案提供一种能够同时进行线性和非线性运算的光子人工智能芯片本文档来自技高网...

【技术保护点】
1.一种光子神经网络，其特征在于，包括：/n光调制单元，所述光调制单元用于将待处理信号调制到光的实振幅，并在调制时在所述实振幅与所述光的相位之间引入非线性对应关系，将所述光调制单元的输出记作第一阵列的光学信号；/n光子矩阵计算单元，与所述光调制单元耦接以接收所述第一阵列的光学信号，所述光子矩阵计算单元对所述第一阵列的光学信号进行矩阵计算以得到第二阵列的光学信号，其中，在对所述第一阵列的光学信号进行矩阵计算时同时执行矩阵乘法和非线性变换；/n投影计算单元，与所述光子矩阵计算单元耦接以接收所述第二阵列的光学信号，所述投影计算单元基于光学干涉提取所述第二阵列的光学信号的复振幅的实部，以得到第三阵列的光学信号，其中，所述实部表征对所述第一阵列的光学信号执行所述矩阵乘法和非线性变换的运算结果；/n光接收单元，与所述投影计算单元耦接以接收所述第三阵列的光学信号，所述光接收单元基于所述第三阵列的光学信号获取处理后信号。/n

【技术特征摘要】
1.一种光子神经网络，其特征在于，包括：
光调制单元，所述光调制单元用于将待处理信号调制到光的实振幅，并在调制时在所述实振幅与所述光的相位之间引入非线性对应关系，将所述光调制单元的输出记作第一阵列的光学信号；
光子矩阵计算单元，与所述光调制单元耦接以接收所述第一阵列的光学信号，所述光子矩阵计算单元对所述第一阵列的光学信号进行矩阵计算以得到第二阵列的光学信号，其中，在对所述第一阵列的光学信号进行矩阵计算时同时执行矩阵乘法和非线性变换；
投影计算单元，与所述光子矩阵计算单元耦接以接收所述第二阵列的光学信号，所述投影计算单元基于光学干涉提取所述第二阵列的光学信号的复振幅的实部，以得到第三阵列的光学信号，其中，所述实部表征对所述第一阵列的光学信号执行所述矩阵乘法和非线性变换的运算结果；
光接收单元，与所述投影计算单元耦接以接收所述第三阵列的光学信号，所述光接收单元基于所述第三阵列的光学信号获取处理后信号。


2.根据权利要求1所述的光子神经网络，其特征在于，所述非线性变换的变换函数与所述光调制单元进行实振幅调制时引起的相位变化量以及移相器系数相关，其中，所述移相器系数是所述光子矩阵计算单元中等价对角矩阵采用的移相器的移相参数。


3.根据权利要求1所述的光子神经网络，其特征在于，所述实振幅与所述光的相位之间的非线性对应关系是由于所述光调制单元的啁啾效应引起的。


4.根据权利要求1所述的光子神经网络，其特征在于，所述光调制单元包括：光学干涉单元，所述光学干涉单元的上臂或下臂设置有第一移相器，以将所述待处理信号调制到光的实振幅，同时调节所述实振幅与所述光的相位之间的非线性对应关系。


5.根据权利要求4所述的光子神经网络，其特征在于，所述光学干涉单元的输入端或输出端设置有第二移相器，以调节所述实振幅与所述光的相位之间的非线性对应关系。


6.根据权利要求1所述的光子神经网络，其特征在于，所述光调制单元包括：微环谐振器，所述微环谐振器包括相耦合的环形波导和直波导，所述环形波导设置有第一移相器，以将所述待处理信号调制到光的实振幅，同时调节所述实振幅与所述光的相位之间的非线性对应关系。


7.根据权利要求6所述的光子神经网络，其特征在于，所述直波导的输入端或输出端设置有第二移相器，以调节所述实振幅与所述光的相位之间的非线性对应关系。


8.根据权利要求1所述的光子神经网络，其特征在于，所述光调制单元包括：半导体光放大器，所述半导体光放大器的输入端接收所述光和待处理信号，所述半导体光放大器的输出端输出所述第一阵列的光学信号。


9.根据权利要求8所述的光子神经网络，其特征在于，所述半导体光放大器的输入端或输出端设置有第二移相器，以调节所述实振幅与所述光的相位之间的非线性对应关系...

【专利技术属性】
技术研发人员：田野，李强，赵洋，王玮，刘胜平，
申请(专利权)人：联合微电子中心有限责任公司，
类型：发明
国别省市：重庆;50