[发明专利]一种光子神经网络

说明书

本发明提供了一种光子神经网络，包括激光器阵列、调制器阵列、第一合束器、调制器、分束器、延时线、第二合束器和探测器；激光器阵列发出多束波长不同的激光；调制器阵列对激光器阵列输出的激光进行调制，将卷积核的权重加载到激光器阵列发出的光上；该第一合束器将调制后的多束激光合束，得到第一光束；调制器对第一光束进行调制，将待处理信息加载到第一光束上；分束器将加载待处理信息的第一光束分束，得到波长不同的多束光；延时线使分束后的多束光产生等差延时；第二合束器将产生等差延时后的多束光合束，得到第二光束；探测器接收第二光束，实现信号的错位相加。减少了控制电路的数目，同时也消除了因性能差异导致的计算误差。

技术领域

本发明涉及集成光子领域，尤其涉及一种光子神经网络。

背景技术

近些年来，人工智能技术已经深入到了我们社会生活的方方面面。尤其是最近十年以来，人工智能技术的运算规模越来越大，对硬件的依赖程度也越来越高。根据人工智能研究组织OpenAI统计，2012-2020年深度人工神经网络的浮点计算量呈惊人的速率增长，约每3-4个月就会翻一番，远超集成电路摩尔定律的增长速率。同时，摩尔定律已经逐渐逼近半导体技术的物理极限和微电子技术制作工艺的限制，正在面临失效的问题。由于人工智能算法中90％以上的计算量都是矩阵运算，而光子网络非常适合进行矩阵计算。所以，发展光子神经网络成为进行大规模人工智能运算的一种有效解决方案。然而，目前已经提出的片上光子神经网络主要是基于马赫-曾德尔干涉仪(MZI)构成的，当卷积核(n×n)的规模变大，即矩阵运算规模变大时，MZI的数量会呈指数级增长，这大大增加了光子神经网络的面积。同时，光子神经网络中每一个MZI都需要两个电学端口来对其实现相位变化的控制，大规模的光子神经网络也需要更多数量的电学端口。此外，光子神经网络的每一个输入端和输出端都需要连接一个调制器和探测器来分别实现待处理信号的输入和完成处理后信号的输出。随着光子神经网络卷积核规模的增大，调制器和探测器的数量也会呈线性增加。由于光子神经网络的不同端口间的信号是通过不同的调制器/探测器来实现信号的输入/输出。所以，调制器/探测器之间的性能差异可能会导致相同的信号经过之后，发生不同的输入/输出。尤其是对于高精度运算，这一差异的影响将会更大。例如，当与光子神经网络的不同通道连接的调制器/探测器之间的性能差异大于1％时，该神经网络的运算精度将低于6bit。这极大地限制了光子神经网络的计算精度。

发明内容

本发明提供了一种光子神经网络，包括：激光器阵列、调制器阵列、第一合束器、调制器、分束器、延时线、第二合束器和探测器；

所述激光器阵列用于发出多束波长不同的激光；

所述调制器阵列用于对所述激光器阵列1输出的激光进行调制，将卷积核的权重加载到所述激光器阵列发出的不同波长的光上；

所述第一合束器用于将加载权重后的多束激光合束，得到第一光束；

所述调制器用于对所述第一光束进行调制，将待处理信息加载到所述第一光束上；

所述分束器用于将加载待处理信息的所述第一光束分束，得到波长不同的多束光；

所述延时线用于使分束后的多束光产生等差延时；

所述第二合束器用于将产生等差延时后的多束光合束，得到第二光束；

所述探测器用于接收所述第二光束，实现信号的错位相加。

可选地，还包括：移相器；

所述移相器设置于所述延时线与所述第二合束器之间；

所述移相器用于改变波导的群折射率n_g，引起延时线中时延量的变化，即等差延时的变化。

可选地，还包括：光学引线键合；

所述光学引线键合用于连接所述调制器阵列与所述第一合束器；