用于光学神经网络的光学非线性和放大器件制造技术

本公开提供了用于光学神经网络的光学非线性和放大器件。本公开的实施例描述用于构造具有任意数量层的矩阵乘法器的光学神经网络(ONN)的非线性光学器件的技术和配置。非线性光学器件包括：波导，该波导用于接收光学输入；以及增益介质，该增益介质与波导耦合，以对所接收到的光学输入进行放大或衰减，以提供响应于所述光学输入达到饱和而以非线性方式放大的输出，其中经非线性放大的所述输出用于为ONN提供非线性激活函数。可描述和要求保护额外的实施例。外的实施例。外的实施例。

【技术实现步骤摘要】
用于光学神经网络的光学非线性和放大器件


[0001]本公开的实施例一般地涉及光电子学的领域，并且更具体地，涉及用于光学神经网络的光学矩阵乘法器的技术和配置。

技术介绍

[0002]机器学习体系结构通常基于人工神经网络(artificial neural network，ANN)。光学神经网络(optical neural network，ONN)是使用光组件作为构件块的人工神经网络(Artificial Neural Network ANN)的一种物理实现。光学神经网络(ONN)的基本构建块通常包括互连的马赫
‑
曾德尔干涉仪(Mach
‑
Zehnder interferometer，MZI)，其对光学信号的阵列执行幺正变换(unitary transformation)。然而，由于MZI的大小和配置，互连的MZI的网络可能没有所期望的那么紧凑。此外，除了线性代数矩阵计算之外，ANN计算还通常实现非线性函数(诸如整流线性单元ReLu、Sigmoid S形、Tanh或阈值阶跃状函数)。然而，在光学域中，似乎没有用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于光学神经网络ONN的设备，该设备包括：波导，所述波导用于接收光学输入；以及增益介质，所述增益介质与所述波导耦合，以对所接收到的所述光学输入进行放大或衰减，以提供响应于所述光学输入达到饱和而以非线性方式产生的输出，其中经非线性产生的所述输出用于为所述ONN提供非线性激活函数。2.根据权利要求1所述的设备，还包括所述ONN的光学矩阵乘法器，所述光学矩阵乘法器与所述波导耦合，其中所述光学矩阵乘法器的输出包括对所述波导的所述光学输入。3.根据权利要求1所述的设备，其中所述设备提供所述非线性激活函数包括对所述光学输入提供以下项中的至少一个：放大、饱和、整流或衰减。4.根据权利要求1
‑
3中任一项所述的设备，其中所述增益介质包括III/V族材料。5.根据权利要求4所述的装置，其中所述增益介质由一个或多个参数表征，其中所述参数包括增益因子G，其中所述增益因子G是非线性参数。6.根据权利要求1
‑
3中任一项所述的设备，其中所述增益介质包括多量子阱MQW。7.根据权利要求6所述的设备，其中所述增益介质包括量子点增益介质。8.根据权利要求1
‑
3中任一项所述的设备，还包括载流子注入二极管，所述载流子注入二极管与所述增益介质耦合，以向所述输出提供衰减控制。9.根据权利要求8所述的设备，其中所述载流子注入二极管包括PIN二极管。10.根据权利要求1
‑
3中任一项所述的设备，其中所述设备包括非线性光学器件。11.根据权利要求1
‑
3中任一项所述的设备，其中所述设备被集成在ONN集成电路中。12.一种用于光学神经网络ONN的设备，包括：光学矩阵乘法器，所述光学矩阵乘法器设置在半导体衬底中，以接收光学信号输入的阵列，并且将所述光学信号输入的阵列线性地变换成光学信号输出的阵列；以及非线性光学器件，所述非线性光学器件与所述光学矩阵乘法器耦合，以从所述光学矩阵乘法器接收所述光学信号输出，并且提供响应于所述光学矩阵乘法器的所述光学信号输出在第一功率范围内操作而以线性方式产生的第一光学输出，并且提供响应于所述光学矩阵乘法器的所述光学信号输出在第二功率范围内操作而以非线性方式产生的第二光学输出，其中所述第二功率范围比所述第一功率范围具有更高的功率极限，其中所述非线性光学器件的经非线性产生的所述第二光学输出用于为所述ONN提供非线性激活函数。13.根据权利要求12所述的设备，还包括：光源的阵列，所述光源的阵列设置在...

【专利技术属性】
技术研发人员：林雯华，荣海生，金宏，
申请(专利权)人：英特尔公司，
类型：发明
国别省市：