[发明专利]超宽数据带光学处理器

说明书

本申请公开了超宽数据带光学处理器。提出了一种光子计算系统。该系统包括多个具有输入端口和输出端口的光子处理单元的装置，每个光子处理单元包括被配置为定义与一个或更多个光学处理任务相关联的多个光场的传播条件的光子引导单元的阵列。该系统还包括多个光连接器，每个光连接器在光子处理单元的输入端口和输出端口之间执行光场到光场耦合，从而提供通信处理单元的网络。光子计算系统可以被配置为使其能够容纳在网络机架中的模块。

技术领域

本发明属于在光数据通信中特别有用的光子处理器领域，以及适于在光学集成的人工神经元网络中使用的光计算设备领域。

背景

光学/光子计算利用对可见光或红外光的操纵来执行计算过程。与电子系统相比，光学计算实现了更快的计算速度，这是因为光脉冲的操纵可以更快，并允许信息的更高带宽的传输。

光学计算可以为实时机器学习和人工智能(AI)的需要提供低功率、高速的解决方案，从而允许人工神经网络(ANN)的实现，该人工神经网络基本上是被训练以优化其性能用于自动数据识别并根据输入数据执行相关动作的计算机系统。典型的ANN系统基于一组相连的单元或节点(人工神经元)；节点之间的连接可以将信号从一个节点传输到另一个节点。特定人工神经元的各种输入乘以线性权重，并且人工神经元的输出通过对加权输入与偏置因子相加的和应用非线性函数(如S形或RelU)而生成。人工神经元接收信号，处理信号，并将所得信号传送给与其相连的人工神经元。

通常，光子计算实现可以基于硅光子学和光子集成电路平台或基于自由空间解决方案。然而，这种实现受到相位噪声、热敏性和比例相关的低效率的限制。相比之下，光纤提供了一种可靠、稳定且发展良好的技术，其满足了低功率和高带宽的光通信应用。

例如，Zalevsky等人的WO 2017/033197教导了集成光学模块。光学模块包括多个光学耦合通道，并使其能够在人工神经网络(ANN)中使用。根据一些实施例，集成光学模块包括多芯光纤，其中该芯被光学耦合。

E.Cohen等人的“Neural networks within multi-core optic fibers”(SciRep.2016年7月7日；6:290800)描述了光纤神经网络的概念设计。神经元和突触被实现为多芯光纤中的单独二氧化硅芯。光信号通过光耦合在芯之间横向传递。掺铒芯中的泵驱动放大模拟突触相互作用。仿真表明，网络可以根据特定的放大配置来区分给定输入；多芯光纤可以用作大规模、小体积光学人工神经网络的构建块。

概述

如上所述，光子计算系统提供了远比电子计算系统更好的计算带宽和效率。在系统级，电子计算系统的任何附加模块(诸如，通信模块、储存模块、冷却模块等)消耗附加功率而不增加计算带宽，且因此降低了总效率(以操作/瓦特测量)。

在AI应用中，参数(节点、连接、层等)的数量与计算精度以及系统的分层泛化能力之间存在明显的正相关。在几个实施例中，这可能涉及人类生命的拯救或丧失(即，自动驾驶车辆、健康相关的AI应用和安全自动化)。另一方面，超级计算系统需要兆瓦特，并且在能量上是不可持续的。因此，在各种应用中，尤其是AI应用中，需要一种具有极致性能、更佳效率(较低功耗)的光子超级计算系统。

一个服务器大小的系统如今通常包含8-16个处理器，而其中的3-6个服务器组成机架(或群聚(pod))，并且超级计算系统可以由几十个甚至一百多个这样的机架(总共有数千个处理器)组成。

如上所述，在光子引导单元(诸如光纤和波导)中传播的光的耦合可以用于各种处理任务。

本发明提供了一种新的解决方案，其能够在一个或更多个光子引导单元中与不同传播条件相关联的光场之间进行光耦合，该光子引导单元涉及(参与)光学/光子处理器(例如，人工光学神经元单元)的处理任务。