光子芯片、异构计算系统、精度调整方法及产品技术方案

本申请涉及人工智能技术领域，公开了一种光子芯片、异构计算系统、精度调整方法及产品。其中，光子芯片包括一个计算单元，计算单元至少包括：第一耦合器，用于将接收到的激光信号进行分路；两个调制器，分别用于连接外部的数模转换器，接收数模转换器进行可调精度的量化之后的目标参数，对光信号进行编码，生成当前网络层的输入数据及权重；移相器，用于改变相位以生成正值及负值编码；平衡探测器，执行线性计算生成第一计算结果，将第一计算结果转换为光电流，并传输到模数转换器进行可调精度的量化。采用本申请提供的光子芯片，能够在确保计算准确率的同时，提升芯片的计算效率。

【技术实现步骤摘要】

本申请涉及人工智能，特别是涉及一种光子芯片、异构计算系统、精度调整方法及产品。

技术介绍

1、神经网络是人工智能领域重要的计算模型，近年来广泛应用于图像处理、语音识别、自然语言处理等场景，推动着社会的智能化发展。芯片技术如cpu（central processingunit，中央处理器）、gpu（graphics processing unit，图形处理器）、tpu（tensorprocessing unit，张量处理单元）等为神经网络模型提供了强大的算力支持。然而，随着摩尔定律发展减缓，冯·诺依曼架构瓶颈凸显，芯片功耗逐渐增加。为了提高芯片的计算效率，降低芯片的功耗，提出了量化精度的改进方式。

2、常见的神经网络包括全连接神经网络、卷积神经网络、循环神经网络等。神经网络由大量的人工神经元组成，人工神经元包括线性计算和非线性计算。在线性计算部分，将神经网络的输入数据与权重进行乘积累加计算；在非线性计算部分，采用非线性函数对线性计算的结果进行非线性变换。通常针对神经网络的精度量化，是在计算过程中，将权重和激活值从浮点数转换为低精度表示，对权重和激本文档来自技高网...

【技术保护点】

1.一种光子芯片，其特征在于，用于执行神经网络计算任务中的线性计算，包括一个计算单元；所述计算单元，至少包括：

2.一种光子芯片，其特征在于，用于执行神经网络计算任务中的线性计算，包括：

3.一种异构计算系统，其特征在于，用于执行神经网络计算任务；所述系统包括：光学模块及电学模块；

4.根据权利要求3所述的异构计算系统，其特征在于，包括：一个所述模数转换器及两个所述数模转换器；其中，任一数模转换器用于从所述第一存储芯片获取上一个网络层的第二计算结果，另一个数模转换器用于从所述第一存储芯片获取当前网络层的权重。

5.一种异构计算系统，其特征在...

【技术特征摘要】

1.一种光子芯片，其特征在于，用于执行神经网络计算任务中的线性计算，包括一个计算单元；所述计算单元，至少包括：

2.一种光子芯片，其特征在于，用于执行神经网络计算任务中的线性计算，包括：

3.一种异构计算系统，其特征在于，用于执行神经网络计算任务；所述系统包括：光学模块及电学模块；

4.根据权利要求3所述的异构计算系统，其特征在于，包括：一个所述模数转换器及两个所述数模转换器；其中，任一数模转换器用于从所述第一存储芯片获取上一个网络层的第二计算结果，另一个数模转换器用于从所述第一存储芯片获取当前网络层的权重。

5.一种异构计算系统，其特征在于，用于执行神经网络计算任务；所述系统包括：光学模块及电学模块；

6.根据权利要求5所述的异构计算系统，其特征在于，所述数模转换器的数量为所述光子芯片中计算单元的数量的两倍；每个数模转换器用于对一个调制器接收的输入数据或权重进行量化；

7.根据权利要求5或6所述的异构计算系统，其特征在于，所述数模转换器及所述模数转换器的量化位宽的可调范围相同，且不超出1-16位。

8.根据权利要求5或6所述的异构计算系统，其特征在于，所述电学模块包括两个第一存储芯片，其中一个与所有模数转换器相连，用于存储第一计算结果；另一个与所有数模转换器相连，用于存储权重及第二计算结果。

9.一种异构计算系统，其特征在于，用于执行神经网络计算任务，包括：

10.根据权利要求9所述的异构计算系统，其特征在于...

【专利技术属性】
技术研发人员：王瑞廷，周朗，
申请(专利权)人：山东云海国创云计算装备产业创新中心有限公司，
类型：发明
国别省市：