[发明专利]基于片上衍射神经网络的光学图神经分类网络、方法

权利要求书

1.一种基于片上衍射神经网络的光学图神经分类网络，其特征在于，包括：

光学图特征提取模块，用于将图结构的输入节点属性信息编码至输入波导的输入光信号上，并提取通过片上衍射神经网络传播后的输出波导的输出光信号，利用所述输出光信号得到图特征信息；

光学图特征聚合模块，用于将多个图结构的图特征信息进行聚合；

分类模块，用于根据聚合后的多个图结构的图特征信息对所述多个图结构进行分类，得到所述多个图结构的分类结果；

所述光学图特征提取模块包括：

光学节点属性输入单元，用于通过调制器将所述图结构的输入节点属性信息编码至所述输入光信号的光强或相位上；

片上衍射计算单元，包括集成设置的片上衍射神经网络，用于提取所述输出光信号的光强或相位，基于所述输出光信号的光强或相位得到所述图特征信息；

光学节点特征聚合单元，用于通过波导和耦合器将所述图结构中多个相邻的输入节点的图特征信息进行拼接。

2.根据权利要求1所述的网络，其特征在于，所述调制器包括电光调制器、声光调制器或热光调制器。

3.根据权利要求1所述的网络，其特征在于，所述片上衍射神经网络为多层衍射线通过光学衍射连接组成，对所述衍射线的形状、大小和周期进行设置，确定所述片上衍射神经网络对光的幅度调制系数和相位调制系数。

4.根据权利要求1所述的网络，其特征在于，所述分类模块包括：

光学神经网络单元，用于通过波导将所述多个图结构的图特征信息输入到光学神经网络，利用所述光学神经网络对所述多个图结构进行分类，得到所述多个图结构的分类结果。

5.根据权利要求1或4所述的网络，其特征在于，所述分类模块包括：

光电探测器，用于对聚合后的所述多个图结构的图特征信息进行光电转换；

电子神经网络单元，用于根据所述光电转换后的所述多个图结构的图特征信息对所述多个图结构进行分类，得到所述多个图结构的分类结果。

6.根据权利要求5所述的网络，其特征在于，还包括：

处理模块，用于对所述光学图神经分类网络结构电磁场进行仿真，获取所述光学图神经网络的结构参数，根据所述结构参数建立前向传播数值模型，利用误差反向传播算法训练所述衍射计算单元每个调制层的参数，根据训练结果构建所述光学图神经网络结构。

7.一种基于片上衍射神经网络的光学图神经网络分类方法，其特征在于，包括以下步骤：

将图结构的输入节点属性信息编码至输入波导的输入光信号上，并提取通过片上衍射神经网络传播后的输出波导的输出光信号，利用所述输出光信号得到图特征信息；

将多个图结构的图特征信息进行聚合，根据聚合后的多个图结构的图特征信息对所述多个图结构进行分类，得到所述多个图结构的分类结果；

所述将图结构的输入节点属性信息编码至输入波导的输入光信号上，并提取通过片上衍射神经网络传播后的输出波导的输出光信号，利用所述输出光信号得到图特征信息，包括：

将所述图结构的输入节点属性信息编码至所述输入光信号的光强或相位上，提取所述输出光信号的光强或相位，基于所述输出光信号的光强或相位得到所述图特征信息，将所述图结构中多个相邻的输入节点的图特征信息进行拼接。

8.根据权利要求7所述的方法，其特征在于，所述根据聚合后的多个图结构的图特征信息对所述多个图结构进行分类，得到所述多个图结构的分类结果，包括：

将所述多个图结构的图特征信息输入到光学神经网络，利用所述光学神经网络对所述多个图结构进行分类，得到所述多个图结构的分类结果；和/或

对聚合后的所述多个图结构的图特征信息进行光电转换，根据所述光电转换后的所述多个图结构的图特征信息对所述多个图结构进行分类，得到所述多个图结构的分类结果。