一种基于光注入的并行光储备池计算性能提升系统及方法技术方案

本发明专利技术公开了一种基于光注入的并行光储备池计算性能提升系统及方法，包括输入层，用于将初始数据经过采样、保持后与一个掩码信号相乘生成光储备池的调制信号，通过设置光源，将调制信号加载为光源的相位信息，输入层的调制信号经过调制后注入到储备池层；储备池层，通过引入外部光注入进一步调节光反馈半导体激光器的固有时间，降低虚拟节点间隔的取值，通过分别调整两个光反馈半导体激光器参数，按照节点间隔在一个时延反馈周期内对从激光器的输出进行采样,分别获得两个并行储备池系统的状态向量。具有实现新型的时延光储备池系统结构，能够在优化储备池计算系统性能的同时突破其信息处理速率瓶颈的优点。破其信息处理速率瓶颈的优点。破其信息处理速率瓶颈的优点。

【技术实现步骤摘要】
一种基于光注入的并行光储备池计算性能提升系统及方法


[0001]本专利技术涉及计算机和计算性能提升
，具体而言，涉及一种基于光注入的并行光储备池计算性能提升系统及方法。

技术介绍

[0002]目前，随着近年来人工智能、大数据等信息技术的高速发展，其对低损耗、高算力的新型计算方式提出了迫切需求。但是在冯诺依曼架构计算机中，存在着由于存算分离导致的功耗墙以及内存墙。随着摩尔定律的放缓，传统计算机已经逐步不能满足当今社会庞大的数据处理需求。作为一种借鉴人类大脑神经系统结构和信息处理方式的新型计算系统，神经拟态计算将计算单元和存储单元合二为一，能够在硬件实现和软件算法等多个层面对现有的计算体系与系统做出本质的革新。
[0003]储备池计算能够模拟人脑皮质电路的计算框架，目前已经在模式识别、时间序列预测等多个领域得到了广泛的应用。但是随着摩尔定律的放缓以及电子瓶颈等问题，传统基于微电子技术的储备池计算实现方法已经难以更进一步的提高计算的能效和速度。半导体激光器具有体积小、结构简单、易于集成以及工作稳定等特性，因此基于半导体激光器实现的光储备池计算能够充分融合神经拟态计算、高速光通信以及光计算的优点，具有多维度、超高速、大带宽等优势，能够在有效提高计算速度的同时降低能耗。目前光储备池计算系统的物理实现主要有两种方式，分别为大规模节点光储备池以及时延光储备池。在现有技术中，时延光储备池计算系统的结构简单，将传统储备池系统中的节点网络简化为一个带有延时反馈信号的非线性节点，有效的降低了硬件实现的难度。然而，在确保时延光储备池系统计算性能的同时，对其数据处理速率也提出了更高的要求。因此亟待探索新型的时延光储备池系统结构，优化储备池计算系统性能的同时突破其信息处理速率的瓶颈。
[0004]综上所述，如何实现新型的时延光储备池系统结构，能够在优化储备池计算系统性能的同时突破其信息处理速率的瓶颈。

技术实现思路

[0005]本专利技术的主要目的在于提供一种基于光注入的并行光储备池计算性能提升系统及方法，以解决现有技术中如何实现新型的时延光储备池系统结构，能够在优化储备池计算系统性能的同时突破其信息处理速率的瓶颈的问题。
[0006]为了实现上述目的，本专利技术提供了一种基于光注入的并行光储备池计算性能提升系统，包括：
[0007]输入层，用于将初始数据经过采样、保持后与一个掩码信号相乘生成光储备池的调制信号，通过设置光源，将调制信号加载为光源的相位信息保持光源输出强度的稳定，输入层的调制信号经过调制后注入到储备池层；
[0008]储备池层，用于通过引入外部光注入进一步调节光反馈半导体激光器的固有时间，降低虚拟节点间隔的取值，通过分别调整两个光反馈半导体激光器参数，按照节点间隔
在一个时延反馈周期内对从激光器的输出进行采样,分别获得两个并行储备池系统的状态向量，合并两个向量作为新的储备池网络状态向量对数据训练和预测；
[0009]输出层，用于输出结果。
[0010]优选的，所述储备池层包括从激光器，所述从激光器与环形器相连，所述环形器与衰减器相连，所述衰减器与耦合器相连，所述耦合器与环形器相连。
[0011]优选的，所述从激光器与主激光器相连。
[0012]优选的，所述主激光器、从激光器、环形器、衰减器和耦合器分别成对设置，所述主激光器、从激光器、环形器、衰减器和耦合器构成两条储备池层系统链。
[0013]根据本专利技术的另一方面提供了一种基于光注入的并行光储备池计算性能提升方法，包括：
[0014]在输入层，初始数据经过采样、保持后与一个掩码信号相乘生成光储备池的调制信号，将调制信号加载为光源的相位信息保持光源输出强度的稳定，输入层的调制信号经过调制后注入到储备池层。
[0015]在储备池层引入外部光注入进一步调节光反馈半导体激光器的固有时间，降低虚拟节点间隔的取值，设置两个光反馈半导体激光器，调整两个光反馈半导体激光器参数，按照节点间隔在一个时延反馈周期内对从光反馈半导体激光器的输出进行采样,分别获得两个并行储备池系统的状态向量，合并两个向量作为新的储备池网络状态向量对数据进行训练和预测。
[0016]优选的，描述光反馈激光器动态特性的速率方程组为：
[0017][0018][0019][0020]其中：E
1,2
(t)为两个光反馈半导体激光器的复慢变电场；N
1,2
(t)为载流子密度；G
1,2
(t)为增益系数；I
in
为从激光器接收的外光注入光强，k
in
对应的光注入系数；I
s
为输入层光源的光强，k
s
为光注入系数；k
f
代表从激光器光反馈系数；τ
f
代表光反馈时延；τ
p
表示激光器腔内光子寿命；τ
e
表示自发载流子寿命；q为电子电荷；I
th
为激光器阈值电流；P
f
为电流因子；g微分增益；α为线宽增强因子；ε为饱和增益系数；N0为透明载流子密度；Δω
s1,2
为调制光源与响应激光器之间的频率偏移；Δω
in1,2
为外部光注入与响应激光器的频率差；F
N1,2
为自发辐射噪声。
[0021]优选的，所述输入层的信息采样保持时间等于激光器反馈时延和虚拟节点间隔之和，当从激光器反馈时延减小时，光储备池系统的信息处理的速率增加。
[0022]优选的，所述输出层计算公式为：y＝∑W
out
X
M
。
[0023]其中，y为输出向量；W
out
为输出层中的权重矩阵；X
M
为合并后的储备池网络状态向量。
[0024]应用本专利技术的技术方案，提出基于外光注入的并行储备池计算方案，引入外部光
注入将单个光反馈半导体激光器的瞬时响应时间从179ps降低到50ps，扩展虚拟节点间隔的取值范围，提升光储备池系统的信息处理速率。保持反馈时延以及虚拟节点间隔不变，将两个外光注入储备池系统的节点状态合并构成并行储备池计算系统，储备池网络节点的个数能够增加到单个储备池系统的2倍,在相同工作参数以及信息处理速率的情况下，基于外光注入的并行光储备池计算系统能够将预测误差降低为传统的延迟光储备池计算系统的1/9。
附图说明
[0025]构成本申请的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0026]图1示出了根据本专利技术的基于光注入的并行光储备池计算性能提升方法的现有方案的结构示意图；
[0027]图2示出了图1中的基于光注入的并行光储备池计算性能提升方法的结构示意图；
[0028]图3示出了图1及图2中的基于光注入的并行光储备池计算性能提升方法的不同光储备池系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于光注入的并行光储备池计算性能提升系统，其特征在于，包括：输入层，用于将初始数据经过采样、保持后与一个掩码信号相乘生成光储备池的调制信号，通过设置光源，将调制信号加载为光源的相位信息保持光源输出强度的稳定，输入层的调制信号经过调制后注入到储备池层；储备池层，用于通过引入外部光注入进一步调节光反馈半导体激光器的固有时间，降低虚拟节点间隔的取值，通过分别调整两个光反馈半导体激光器参数，按照节点间隔在一个时延反馈周期内对从激光器的输出进行采样,分别获得两个并行储备池系统的状态向量，合并两个向量作为新的储备池网络状态向量对数据训练和预测；输出层，用于输出结果。2.如权利要求1所述的基于光注入的并行光储备池计算性能提升系统，其特征在于，所述储备池层包括从激光器，所述从激光器与环形器相连，所述环形器与衰减器相连，所述衰减器与耦合器相连，所述耦合器与环形器相连。3.如权利要求2所述的基于光注入的并行光储备池计算性能提升系统，其特征在于，所述从激光器与主激光器相连。4.如权利要求3所述的基于光注入的并行光储备池计算性能提升系统，其特征在于，所述主激光器、从激光器、环形器、衰减器和耦合器分别成对设置，所述主激光器、从激光器、环形器、衰减器和耦合器构成两条储备池层系统链。5.一种基于光注入的并行光储备池计算性能提升方法，基于权利要求1
‑
4任意一项所述的系统，其特征在于，包括：在输入层，初始数据经过采样、保持后与一个掩码信号相乘生成光储备池的调制信号，将调制信号加载为光源的相位信息保持光源输出强度的稳定，输入层的调制信号经过调制后注入到储备池层；在储备池层引入外部光注入进一步调节光反馈半导体激光器的固有时间，降低虚拟节点间隔的取值，设置两个光反馈半导体激光器，调整两个光反馈半导体激光器参数，按照节点间隔在一个时延反馈周期内对从光反馈半导体激光器的输出进行采样,分别获得两个并行储备池系统的状态向量，合并两个向量作为新的储备池网络状态向量对数据进行训练和预测。6.如权利要求5所述的...

【专利技术属性】
技术研发人员：张力月，彭凌，李松穗，潘炜，闫连山，罗斌，邹喜华，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：