光电融合可重构模拟智能计算系统及其任务学习方法技术方案

本申请涉及一种光电融合可重构模拟智能计算系统及其任务学习方法，该系统包括：光学模拟计算模块和电学模拟计算模块，其中，光学模拟计算模块用于对输入的光学模拟信号进行特征提取和降维处理，得到满足预设维度的光学特征信号；电学模拟计算模块用于将光学特征信号转换为电学模拟信号，并对电学模拟信号进行计算得到模拟计算结果。由此，本申请通过建立仿真模型，根据当前学习任务确定训练集，利用机器学习等算法对光电融合模拟计算系统进行数值仿真训练，并在训练的过程中不断优化参数，最终完成当前学习任务。由此，解决了全光学人工神经网络和数字计算处理器完成机器学习任务的局限性等问题，具有高速度、低能耗、高鲁棒性、可重构等优势。

【技术实现步骤摘要】

本申请涉及光电计算和机器学习，特别涉及一种光电融合可重构模拟智能计算系统及其任务学习方法。

技术介绍

1、人工智能和深度学习技术在自动驾驶、机器人、医疗等领域有着广泛的应用，不断增长的人工智能需求对于计算处理器的能耗、计算速度、对抗噪声的鲁棒性等方面提出了更高的要求。而数字处理器的能耗和速度受到晶体管制程迭代放缓、模数转换带宽有限等因素的制约，无法满足人工智能时代的算力需求。光子具有高通量、大带宽、以光速处理信息等特点，这使得光学计算具有补充和取代电子计算的良好前景。

2、相关技术中，全光学衍射深度神经网络，实现了全光的机器学习判别模型。该架构通过机器学习设计优化，类似于人工神经网络的多级空频域光学相位调制层以及非线性层组合，实现了手写数字、时尚产品图像分类、图片显著性分析等功能。全光学衍射深度神经网络提供了一种以光速使用无源元件实现衍射操作，有效的、独特的全光学机器学习模型，它的一个重要优势是能够通过使用各种高吞吐量、大面积的3d(three-dimensional，三维图形)制造方法和宽视场的光学元件、检测系统来轻松扩展，能够以可扩展、低功本文档来自技高网...

【技术保护点】

1.一种光电融合可重构模拟智能计算系统，其特征在于，包括：光学模拟计算模块和电学模拟计算模块，其中，

2.根据权利要求1所述的光电融合可重构模拟智能计算系统，其特征在于，所述光学模拟计算模块，包括：

3.根据权利要求2所述的光电融合可重构模拟智能计算系统，其特征在于，所述电学模拟计算模块，包括：

4.根据权利要求1-3中任一项所述的光电融合可重构模拟智能计算系统，其特征在于，还包括：

5.根据权利要求4所述的光电融合可重构模拟智能计算系统，其特征在于，所述电学数字计算模块，包括：

6.根据权利要求5所述的光电融合可重构模拟智能计...

【技术特征摘要】

1.一种光电融合可重构模拟智能计算系统，其特征在于，包括：光学模拟计算模块和电学模拟计算模块，其中，

2.根据权利要求1所述的光电融合可重构模拟智能计算系统，其特征在于，所述光学模拟计算模块，包括：

3.根据权利要求2所述的光电融合可重构模拟智能计算系统，其特征在于，所述电学模拟计算模块，包括：

4.根据权利要求1-3中任一项所述的光电融合可重构模拟智能计算系统，其特征在于，还包括：

5.根据权利要求4所述的光电融合可重构模拟智能计算系统，其特征在于，所述电学数字计算模块，包括：

6.根据权利要求5所述的光电融合可重构模拟智能计算系统，其特征在于，所述...

【专利技术属性】
技术研发人员：戴琼海，陈一彤，麦麦提·那扎买提，乔飞，吴嘉敏，许晗，周天贶，李广普，范静涛，方璐，
申请(专利权)人：清华大学，
类型：发明
国别省市：