一种可重构非易失性的集成三维光学衍射神经网络芯片制造技术

本发明专利技术公开了一种可重构非易失性的集成三维光学衍射神经网络芯片，属于光计算技术领域，包括：光学衍射结构和反馈控制结构，其中，光学衍射结构中的每个所述平面衍射单元包括电控相变阵列，电控相变阵列依次设有第一透明电极、非易失型相变材料和第二透明电极；控制第一透明电极和第二透明电极之间的加载电压以对非易失型相变材料的光学状态进行调整，从而使各个平面衍射单元对输入光进行可重构调制得到调制光。反馈控制结构根据调制光的光强空间分布信息调整加载电压，进而对非易失型相变材料的光学状态进行调整，以使光学衍射结构能够对当前输入信号进行识别。本发明专利技术能够解决现有的集成光学神经网络矩阵规模过小，静态功耗高的问题。耗高的问题。耗高的问题。

【技术实现步骤摘要】
一种可重构非易失性的集成三维光学衍射神经网络芯片


[0001]本专利技术属于光计算
，更具体地，涉及一种可重构非易失性的集成三维光学衍射神经网络芯片。

技术介绍

[0002]随着GPU计算速度和计算能力的迅猛提升，人工智能现在已经成为新一轮科技革命的中坚力量。然而，电学晶体管的尺寸和性能已经趋于极限，将在未来无法满足现实中日益增长的数据量和能耗限制。光由于其宽带宽、高频和低能耗等优点在通信和计算领域得到了广泛关注。特别是光的多维度资源以及并行传输的特点，被广泛应用在以并行矩阵乘法为核心的光学神经网络当中，而集成光学神经网络是有望取代GPU的候选方法。
[0003]目前集成光学神经网络的主要组成部分：集成光学矩阵计算主要包含基于马赫
‑
增德尔干涉仪(Mach
‑
Zehnder Interferometers，MZI)网络和微环谐振器(Microring resonators，MRR)阵列两类。然而目前这两种架构的主要问题是难以扩充矩阵规模，常常被限制在100
×
100以下，显然在面对大规模矩阵计算的时候无能为力。空间光学衍射神经网络利用空间光的每个像素充当光学神经元，虽然空间光调制器的像素数可以轻松地做到1000
×
1000，但是其集成化还面临着诸多挑战，如采用在硅平板上刻蚀多排狭缝阵列来实现二维多平面衍射的方案只能加载和处理一维信息，大大削减了衍射神经网络的大规模优势，并且重构每个狭缝的有效相移还很困难，因此开发一种大规模三维可重构集成光学衍射神经网络有重要的实用价值。除此之外，非易失性相变材料具有零静态功耗的优势，也即衍射神经网络一旦训练完成在做预测时片上不需要任何除激光器之外的功耗。将非易失相变材料与大规模片上衍射神经网络结合将具有更大的应用价值。

技术实现思路

[0004]针对现有技术的以上缺陷或改进需求，本专利技术提供了一种可重构非易失性的集成三维光学衍射神经网络芯片，其目的在于通过在片内的多平面衍射加上可重构非易失的相变材料阵列来实现对输入信息的矩阵乘法计算，进而实现衍射光学神经网络，由此解决现有的集成光学神经网络矩阵规模过小，静态功耗高的技术问题。
[0005]为实现上述目的，按照本专利技术的一个方面，提供了一种可重构非易失性的集成三维光学衍射神经网络芯片，包括：
[0006]光学衍射结构，包括：
[0007]输入加载单元，用于加载初始输入信号的幅度和相位并将其转移到输入光的空间分布上；
[0008]多个平面衍射单元，设置在所述输入光的入射光路上，每个所述平面衍射单元包括电控相变阵列，所述电控相变阵列依次设有第一透明电极、非易失型相变材料和第二透明电极；控制所述第一透明电极和所述第二透明电极之间的加载电压以对所述非易失型相变材料的光学状态进行调整，从而使各个所述平面衍射单元对所述输入光进行可重构调制
得到调制光；
[0009]探测器阵列单元，设置在所述调制光的出射光路上，用于探测所述调制光的光强空间分布信息；
[0010]反馈控制结构，与所述探测器阵列单元和所述多个平面衍射单元连接，用于根据所述调制光的光强空间分布信息生成反馈控制信号，并利用所述反馈控制信号调整所述加载电压，进而对所述多个平面衍射单元中非易失型相变材料的光学状态进行控制和调整，以对所述光学衍射结构进行训练得到目标衍射结构，所述目标衍射结构能够识别当前输入信号的光强空间分布信息。
[0011]在其中一个实施例中，当所述光学衍射结构为透射型结构时，所述输入加载单元、所述多个平面衍射单元在垂直方向依次层叠设置；各个所述电控相变阵列包括自下而上依次层叠的：所述第一透明电极、所述非易失型相变材料和所述第二透明电极；各个所述电控相变阵列衍射所述输入光，以使所述多个平面衍射单元对所述输入光交替进行空间衍射和可重构调制。
[0012]在其中一个实施例中，当所述光学衍射结构为反射型结构时，所述输入加载单元、所述多个平面衍射单元在水平方向依次层叠设置；各个所述平面衍射单元包括：自下而上依次层叠的第一反射膜、所述电控相变阵列和第二反射膜，且所述电控相变阵列中所述非易失型相变材料中间隔设置多个透明电极，相邻电极之间充斥着所述非易失型相变材料；各个所述平面衍射单元使得所述输入光往返于所述电控相变阵列以及两个反射膜之间，以使所述多个平面衍射单元对所述输入光进行可重构调制。
[0013]在其中一个实施例中，所述非易失型相变材料为一种非易失型可擦除光学材料，当两侧的透明电极的加载电压不同时表现出不同的折射率和吸收系数，不同折射率影响所述调制光的相位，不同吸收系数影响所述调制光的幅值；且在移除所述加载电压之后能够维持光学状态不变。
[0014]在其中一个实施例中，所述透明电极为应用波段透明的材料。
[0015]在其中一个实施例中，所述输入加载单元包括：
[0016]空间光调制器，用于加载初始输入信号的幅度和相位并将其转移到输入光的空间分布上；
[0017]光束变换器，设置在所述输入光的出射光路上，用于调整所述输入光的光斑尺寸，以使其与所述平面衍射单元的尺寸匹配。
[0018]在其中一个实施例中，所述探测器阵列单元为面入射型的探测器阵列或片外的图像传感器。
[0019]在其中一个实施例中，所述反馈控制结构包括：
[0020]现场可编程门阵列FPGA，用于执行控制算法；
[0021]数模/模数转换器，与所述FPGA连接，用于将所述FPGA产生的数字电平转化模拟电平并控制所述非易失型相变材料的光学状态及输入信息/将所述探测器阵列的模拟电平转化为数字电平再送入所述FPGA中进行处理。
[0022]总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
[0023](1)本专利技术提供一种可重构非易失性的集成三维光学衍射神经网络芯片，包括：光
学衍射结构和反馈控制结构，其中，光学衍射结构中的每个所述平面衍射单元包括电控相变阵列，所述电控相变阵列依次设有第一透明电极、非易失型相变材料和第二透明电极；控制所述第一透明电极和所述第二透明电极之间的加载电压以对所述非易失型相变材料的光学状态进行调整，从而使各个所述平面衍射单元对所述输入光进行可重构调制得到调制光。且其中上述反馈控制结构根据所述调制光的光强空间分布信息生成反馈控制信号，并利用所述反馈控制信号调整所述加载电压，进而对所述多个平面衍射单元中非易失型相变材料的光学状态进行控制和调整，以对所述光学衍射结构进行训练得到目标衍射结构，所述目标衍射结构能够对当前输入信号进行识别。本专利技术通过在片内的多平面衍射加上可重构非易失的相变材料阵列来实现对输入信息的矩阵乘法计算，进而实现衍射光学神经网络，由此解决现有的集成光学神经网络矩阵规模过小，静态功耗高的技术问题。
[0024](2)本专利技术提供的可重构非易失性的集成三维光学衍射神经网络芯片一旦训练完成在做预测时片上不需要任何除激光器之外的功耗，为实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种可重构非易失性的集成三维光学衍射神经网络芯片，其特征在于，包括：光学衍射结构，包括：输入加载单元，用于加载初始输入信号的幅度和相位并将其转移到输入光的空间分布上；多个平面衍射单元，设置在所述输入光的入射光路上，每个所述平面衍射单元包括电控相变阵列，所述电控相变阵列依次设有第一透明电极、非易失型相变材料和第二透明电极；控制所述第一透明电极和所述第二透明电极之间的加载电压以对所述非易失型相变材料的光学状态进行调整，从而使各个所述平面衍射单元对所述输入光进行可重构调制得到调制光；探测器阵列单元，设置在所述调制光的出射光路上，用于探测所述调制光的光强空间分布信息；反馈控制结构，与所述探测器阵列单元和所述多个平面衍射单元连接，用于根据所述调制光的光强空间分布信息生成反馈控制信号，并利用所述反馈控制信号调整所述加载电压，进而对所述多个平面衍射单元中非易失型相变材料的光学状态进行控制和调整，以对所述光学衍射结构进行训练得到目标衍射结构，所述目标衍射结构能够识别当前输入信号的光强空间分布信息。2.如权利要求1所述的可重构非易失性的集成三维光学衍射神经网络芯片，其特征在于，当所述光学衍射结构为透射型结构时，所述输入加载单元、所述多个平面衍射单元在垂直方向依次层叠设置；各个所述电控相变阵列包括自下而上依次层叠的：所述第一透明电极、所述非易失型相变材料和所述第二透明电极；各个所述电控相变阵列衍射所述输入光，以使所述多个平面衍射单元对所述输入光交替进行空间衍射和可重构调制。3.如权利要求1所述的可重构非易失性的集成三维光学衍射神经网络芯片，其特征在于，当所述光学衍射结构为反射型结构时，所述输入加载单元、所述多个平面衍射单元在水平方向依次层叠设置；各个所述平面衍射单元包括：自下而上依次层叠的第一反射膜、所述...

【专利技术属性】
技术研发人员：董建绩，周海龙，吴波，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：