[实用新型]一种基于光泵自旋VCSEL的储备池计算装置

说明书

本实用新型公开了一种基于光泵自旋VCSEL的储备池计算装置，包括输入层、储备池与输出层，输入层包括第一驱动激光器、第二驱动激光、第一任意波形发生器、第二任意波形发生、第一调制器和第二调制器，储备池包括一个带有光反馈环路的光泵自旋VCSEL，用以将输入信号进行非线性映射处理，输出层包括两个光电转换器和一个双通道示波器。本实用新型的有益效果：偏振模式稳定且易于控制，采用自旋偏振模式高度稳定且易操控的光泵自旋VCSEL作为储备池，在不影响储备池装置执行任务性能的条件下，使储备池偏振模式不易受到工作环境影响，相较普通VCSEL储备池展现出稳定的性能。

技术领域

本实用新型涉及光子储备池计算、光学、通信、自旋电子学技术领域，具体为一种基于光泵自旋VCSEL的储备池计算装置。

背景技术

人工神经网络(ANNs，Artificial neural networks)是为应对当今飞速增长的信息总量而产生的类脑计算结构，在数十年不断发展完善后已成为当前无法忽视、极具潜力的机器学习方法，储备池计算(RC，Reservoir computing)衍生自ANNs中的递归神经网络(RNNs，Recurrent neural networks)，有利于克服RNNs存在的训练困难，结构复杂等限制，但空间型RC所必须的大量非线性节点仍会导致较高的控制调节成本而很大程度限制其发展应用。

近年来，研究人员提出使用单个延时反馈下非线性系统的动态响应作为虚拟节点以构建时延型RC，极大降低了RC实现成本与难度。在时延反馈下可表现出丰富非线性的半导体激光器也由于其快速、高带宽、并行处理等优势在构建RC方面引起广泛关注与研究。其中，垂直腔面发射半导体激光器(VCSEL，vertical-cavity surface-emitting laser)依靠其高能效、低制造成本、丰富偏振动态等优势在半导体激光器RC领域占据重要地位，可有效提升系统处理速率、增强性能与实现并行处理。例如，使用单个VCSEL偏振动态构建储备池的方案中使用带有旋转反馈的VCSEL形成双偏振模式RC被证明相较传统单模RC具有更好性能(参见[J.Vatin,D.Rontani,and M.Sciamanna,“Enhanced performance of areservoir computer using polarization dynamics in VCSELs,”Opt.Lett.43(18),4497–4500(2018).])；使用两个互耦合VCSEL偏振动态的四通道RC方案(参见[X.Guo,S.Xiang,Y.Zhang,et al.“Four-channels reservoir computing based onpolarization dynamics in mutually coupled VCSELs system,”Opt.Express.27(16),23293-23306(2019)])；利用基于VCSEL的RC偏振动态并行处理两项任务的方案(参见[X.Guo,S.Xiang,Y.Zhang,et al.“Polarization multiplexing reservoir computingbased on a VCSEL with polarized optical feedback,”in IEEE Journal of SelectedTopics in Quantum Electronics,vol.26,no.1,pp.1-9,Jan.-Feb.2020,Artno.1700109])。但这些方案使用的普通VCSEL存在偏振模式不稳定、偏振不易控制的问题，制约RC工作稳定性与性能。

实用新型内容

本实用新型的目的在于提供一种基于光泵自旋VCSEL的储备池计算装置，以解决上述背景技术中提出的问题。

为实现上述目的，本实用新型提供如下技术方案：一种基于光泵自旋VCSEL的储备池计算装置，包括输入层、储备池与输出层；

所述输入层包括第一驱动激光器、第二驱动激光、第一任意波形发生器、第二任意波形发生、第一调制器和第二调制器；