【技术实现步骤摘要】
一种基于光散射的矩阵运算立体结构单元
[0001]本专利技术涉及了一种基于反向优化的立体结构光子矩阵乘法单元，从而实现电光混合的片上矩阵运算。
技术介绍
[0002]近年来，随着机器学习技术的发展，深度神经网络在各种新兴应用中表现出革命性的性能提升。特别是深度卷积神经网络(CNN)在计算机视觉、图像处理、语音处理、医疗诊断、游戏、信号处理等领域产生了深远的影响，成为现代人工智能的基石。深度神经网络虽然具有先进的性能，但其复杂的结构和大量的参数在训练和推理过程中消耗了大量的计算资源。因此，对高速、低功耗的神经网络加速器有着迫切的需求。
[0003]光学方法是下一代神经网络加速器的潜在方法，因为光学元件和技术具有超宽频带和低功耗的特点。利用空间光衍射、片上相干干涉、波分复用等光学技术论证了光学神经网络(ONN)的可行性。从数值和实验结果可以很好地推断出它的高速和低功耗性能。在这些关于光学神经网络的先驱工作中，主要考虑了全连接神经网络，因此这些架构被设计成矢量矩阵乘法器。当涉及到卷积神经网络(CNN)时，这些架构可能会面临...
【技术保护点】
【技术特征摘要】
1.一种基于光散射的矩阵运算立体结构单元，其特征在于，包括依次连接的电光调制单元、光学矩阵计算单元和光电检测器；所述电光调制单元用于将输入的N维列向量电信号转换为各自不同频率的N维光信号并输出到光学矩阵计算单元，光学矩阵计算单元中实现矩阵P与N维列向量的叉乘结果并输出到光电检测器转化为电信号，得到最终的输出；所述矩阵P表述形式：2.根据权利要求1所述一种基于光散射的矩阵运算立体结构单元，其特征在于，所述光学矩阵计算单元包括N层前端光散射单元和N层后端光散射单元，且二者之间通过波导连接；N层前端光散射单元由N个前端光散射单元堆叠而成，N层后端光散射单元由N个后端光散射单元堆叠而成，N层前端光散射单元和N层一端光散射单元的堆叠方向呈垂直关系，每层前端光散射单元均通过N个波导分别与N个后端光散射单元连接；N维光信号到达光学矩阵计算单元时，N个光信号分别输入到N个前端光散射单元，在每层前端光散射单元中对输入的光信号进行线性运算分配光功率后，每层前端光散射单元输出N维光信号，分别到达N层后端光散射单元...
【专利技术属性】
技术研发人员：刘旭，欧瀚文，王百航，张嘉龙，曹一凡，吴奕征，梅奇勋，从哲，刘仁韬，王春清，
申请(专利权)人：东南大学，
类型：发明
国别省市：
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。