[发明专利]一种光子神经网络

说明书

一种光子神经网络，包括：光调制单元，将待处理信号调制到光的实振幅，并在调制时在实振幅与光的相位之间引入非线性对应关系，得到第一阵列的光学信号；光子矩阵计算单元，接收第一阵列的光学信号并进行矩阵计算以得到第二阵列的光学信号，进行矩阵计算时同时执行矩阵乘法和非线性变换；投影计算单元，接收第二阵列的光学信号并基于光学干涉提取第二阵列的光学信号的复振幅的实部，以得到第三阵列的光学信号，实部表征矩阵乘法和非线性变换的运算结果；光接收单元，接收第三阵列的光学信号以获取处理后信号。本发明方案提供一种能够同时进行线性和非线性运算的光子人工智能芯片，功耗低、运算速度快、神经网络集成度高且非线性运算可重构。

技术领域

本发明涉及光子人工智能芯片技术领域，具体地涉及一种光子神经网络。

背景技术

在当今人工智能领域最热门的深度学习中，其运算过程主要涉及两个部分：矩阵乘法和非线性激活函数。具体而言，人工智能算法具有处理内容为非结构化数据(如视频、图像、语音)、处理过程需要进行大量的线性代数运算以及处理过程参数量大的特点。以中央处理器为主的计算硬件无法满足人工智能的计算力需求，只能依赖人工智能(Artificial intelligence，简称AI)芯片实现。具体而言，AI芯片是专门面向AI应用的芯片，是AI技术的一种重要的物理基础载体。

当前，AI芯片主要基于互补金属氧化物半导体(Complementary Metal OxideSemiconductor，简称CMOS)技术实现。随着集成电路器件尺寸不断逼近物理极限，摩尔定律呈现放缓趋势，同时微电子处理器存在能效比下降、时钟频率受限(难以超过6吉赫(GHz))、电子串扰、高功耗以及发热等问题，严重制约着现有的电子AI芯片性能的继续提升。

为突破电子芯片在AI领域所面临的问题，光子人工智能芯片应运而生。但是，当前光子人工智能芯片技术尚处于萌芽阶段，对光子人工智能芯片的架构设计仍有较多欠缺，无法充分发挥光子人工智能芯片的优势。

发明内容

本发明解决的技术问题是提供一种改进的光子神经网络，能够同时进行线性和非线性运算。

为解决上述技术问题，本发明实施例提供一种光子神经网络，包括：光调制单元，所述光调制单元用于将待处理信号调制到光的实振幅，并在调制时在所述实振幅与所述光的相位之间引入非线性对应关系，将所述光调制单元的输出记作第一阵列的光学信号；光子矩阵计算单元，与所述光调制单元耦接以接收所述第一阵列的光学信号，所述光子矩阵计算单元对所述第一阵列的光学信号进行矩阵计算以得到第二阵列的光学信号，其中，在对所述第一阵列的光学信号进行矩阵计算时同时执行矩阵乘法和非线性变换；投影计算单元，与所述光子矩阵计算单元耦接以接收所述第二阵列的光学信号，所述投影计算单元基于光学干涉提取所述第二阵列的光学信号的复振幅的实部，以得到第三阵列的光学信号，其中，所述实部表征对所述第一阵列的光学信号执行所述矩阵乘法和非线性变换的运算结果；光接收单元，与所述投影计算单元耦接以接收所述第三阵列的光学信号，所述光接收单元基于所述第三阵列的光学信号获取处理后信号。

可选的，所述非线性变换的变换函数与所述光调制单元进行实振幅调制时引起的相位变化量以及移相器系数相关，其中，所述移相器系数是所述光子矩阵计算单元中等价对角矩阵采用的移相器的移相参数。

可选的，所述实振幅与所述光的相位之间的非线性对应关系是由于所述光调制单元的啁啾效应引起的。

可选的，所述光调制单元包括：光学干涉单元，所述光学干涉单元的上臂或下臂设置有第一移相器，以将所述待处理信号调制到光的实振幅，同时调节所述实振幅与所述光的相位之间的非线性对应关系。

可选的，所述光学干涉单元的输入端或输出端设置有第二移相器，以调节所述实振幅与所述光的相位之间的非线性对应关系。