CN103236833B - 一种光电反馈混沌激光储备池并行计算的装置 - Google Patents
一种光电反馈混沌激光储备池并行计算的装置 Download PDFInfo
- Publication number
- CN103236833B CN103236833B CN201310098211.9A CN201310098211A CN103236833B CN 103236833 B CN103236833 B CN 103236833B CN 201310098211 A CN201310098211 A CN 201310098211A CN 103236833 B CN103236833 B CN 103236833B
- Authority
- CN
- China
- Prior art keywords
- coupler
- radio
- radio frequency
- input
- laser light
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Optical Modulation, Optical Deflection, Nonlinear Optics, Optical Demodulation, Optical Logic Elements (AREA)
Abstract
一种光电反馈混沌激光储备池并行计算的装置,包括混沌激光产生模块、信号输入模块和信号输出模块。其中,混沌激光产生模块由分布反馈式半导体激光器、双臂马赫-曾德尔调制器、光耦合器、光纤、光电探测器、射频低通滤波器和射频放大器构成,信号输入模块由现场可编程门阵列、采样保持电路、外部输入信号、开关、乘法器和射频耦合器构成,信号输出模块由功分器和现场可编程门阵列构成。本发明具有装置简单、处理速度快、并行性好、功耗低等特点。<!--1-->
Description
技术领域
本发明属于智能信息处理领域,涉及一种光电反馈混沌激光储备池并行计算的装置,实现对输入序列的预测以及语音的识别等,可应用于光纤通信、光网络及光信号处理等领域。
背景技术
如今的信息时代,信息量呈爆炸式增长,导致待处理数据极快增长,致使目前电子器件已经面临难以克服的速度瓶颈。而经典的信息处理算法在一些复杂应用,特别是在人工智能方面,具有局限性。人工神经网络的提出解决了这些难题。人工神经网络是一种模拟大脑处理信息的数学模型,由大量的节点和它们之间的相互连接构成,其自学习功能、联想存储功能和高速寻优解功能,使其成为仿生学中的一个成功典范。然而,训练人工神经网络是一个难题。储备池计算采用一个随机生成、保持不变的储备池来取代经典人工神经网络的中间层,从而简化了网络的训练过程。目前的储备池计算需要大量、随机、相互连接的非线性节点来构成储备池。通常有成百上千个节点。需要大量的物理器件实现,功耗大、且实现困难。
混沌是一种非线性现象,一个混沌系统包含有很多非线性状态。用一个混沌非线性系统来取代目前储备池计算中的储备池,可以大幅度节省硬件资源,很好地解决了物理实现上的困难。相较于传统的电子计算机只有0和1两个状态,基于混沌的储备池计算系统具有更强的计算处理能力。借助于激光实现的混沌激光储备池计算,具有光学处理信息的超快速度和并行能力,且物理实现简单,是一种融合了多学科优势的新兴技术,应用前景广阔。
现有技术[1](参见L.Appeltant,etal.Informationprocessingusingasingledynamicalnodeascomplexsystem,NatureCommunications2011)公开了一种利用一个混沌电路实现储备池计算的方法,该电路成功地取代了传统的人工神经网络,实现了语音识别和时间序列预测等智能信息处理的功能。该混沌电路储备池计算系统的性能主要取决于反馈环的增益、输入增益、时间延迟、虚拟节点之间的时间间隔、混沌电路的产生方式以及模板等。这些因素直接决定了该系统的处理速度低、实时性差和处理信息的容量小等弊端。现有技术[2](参见L.Larger,etal.PhotonicinformationprocessingbeyondTuring:anoptoelectronicimplementationofreservoircomputing,Opt.Express2012.Y.Paquot,etal.Optoelectronicreservoircomputing,ScientificReports2012)公开了一种利用光电反馈混沌实现储备池计算的方法。相比于现有技术[1]和现有技术[2],大大提高了信息处理的速度和容量。然而,提出新颖的装置以便进一步提高储备池计算用于信息处理的速度和容量具有重要意义。毫无疑问,并行计算是一种提高储备池计算性能的优选方案。现有技术[3](参见K.Vandoorne,etal.Parallelreservoircomputingusingopticalamplifiers,IEEETrans.NeuralNetworks2011)公开了一种基于半导体光放大器实现的激光储备池并行计算的装置,该装置原理上利用了传统人工神经网络的方法,共使用了16个半导体光放大器,系统结构复杂,功耗高。现有技术[4](参见D.Brunner,etal.Parallelphotonicinformationprocessingatgigabyteperseconddataratesusingtransientstates,NatureCommunications2013)公开了一种基于光纤环振荡产生混沌的储备池并行计算装置,该装置可以同时实现光/电信号的输入,并对信号进行处理后输出。实际上,该装置只有一个输出端,即只能对一路输入信号进行处理,所以还不是严格意义上的并行计算。
发明内容
本发明提供了一种基于光电反馈的混沌激光储备池并行计算的装置,以实现对输入信号的并行处理,并输出处理的结果,充分利用混沌激光的非线性动力学状态。
本发明的技术方案如下:
一种激光储备池并行计算的装置该装置,是一种基于光电反馈式混沌激光储备池并行计算的装置,包括三个模块:混沌激光产生模块、信号输入模块和处理后的信号输出模块;
混沌激光产生模块由分布反馈式半导体激光器、双臂马赫-曾德尔调制器、光耦合器、光纤、光电探测器、射频低通滤波器和射频放大器依次连接构成。
信号输入模块由现场可编程门阵列I、采样保持电路、开关、乘法器和射频耦合器依次连接,以及外部输入信号与开关连接构成。
处理后的信号输出模块由功分器和现场可编程门阵列II构成。
本发明提出的光电反馈混沌激光储备池并行计算的装置与现有技术比较,具有以下特点:处理速度快,装置简单、功耗低、易于实现。采用两个光电反馈环,能够同时实现对两路信号的输入及对处理后信号的同时输出,处理速度快,并行性好。
附图说明
附图是本发明的光电反馈混沌激光储备池并行计算装置示意图。
图中:1分布反馈式半导体激光器;2双臂马赫-曾德尔调制器;3光耦合器;4光纤;5光电探测器;6射频低通滤波器;7功分器;8射频放大器;
9现场可编程门阵列I(FPGA);10采样保持电路;11乘法器;
12射频耦合器;13现场可编程门阵列II;14开关;15外部输入信号。
具体实施方式
如附图所示,是本发明的光电反馈混沌激光储备池并行计算的结构示意图,该装置能同时实现对两路输入信号的预测,并将预测的结果输出。
所述混沌激光产生过程如下:分布反馈式半导体激光器1产生连续光,经双臂马赫-曾德尔调制器2后与光耦合器3相连接,之后一路光信号进入光纤4,传输一段距离后进入光电探测器5变成电信号,射频低通滤波器6用于滤掉高频噪声,然后进入功分器7和射频耦合器12,射频放大器8用于放大电信号,之后再与双臂马赫-曾德尔调制器2的一个输入端相连,从而构成反馈回路。此时,光电反馈回路中的信号即为混沌信号。为了实现并行计算的目的,增加另一个同样的反馈回路,从光耦合器3的另一端输出,依次与光纤4、光电探测器5、射频低通滤波器6、功分器7、射频耦合器12和射频放大器8相连接,之后再与双臂马赫-曾德尔调制器2的另一个输入端连接,构成第二个反馈回路。这两个反馈回路内都可以产生混沌信号。
所述光电反馈混沌激光储备池并行计算装置的输入模块包括现场可编程门阵列I9、采样保持电路10、外部输入信号15、开关14和乘法器11。现场可编程门阵列I9产生输入样本u(t)和模板m(t),这两路信号经采样保持电路10后通过乘法器11相乘,作为储备池的输入信号J(t),通过射频耦合器12输入到光电反馈混沌模块中。
所述输出模块由功分器7和现场可编程门阵列II13构成。功分器7用于将光电反馈环中的一部分信号输出至现场可编程门阵列II13。现场可编程门阵列II13用于记录储备池训练的权值并将预测的结果输出。
所述光电反馈混沌激光储备池并行计算装置的训练过程为:输入模块将产生的输入信号J(t),通过射频耦合器12输入到光电反馈混沌模块中。根据目标信号,不断训练储备池,现场可编程门阵列II13记录下最终训练后的权值。
所述光电反馈混沌激光储备池并行计算装置的预测过程为:开关14打到上面,外部输入信号15经过开关14并通过乘法器11与模板相乘后,通过射频耦合器12输入到光电反馈混沌模块中。现场可编程门阵列II13将从功分器7输入的不同时刻的混沌信号与记录的训练权值相乘并求和后输出,即为预测的结果。
Claims (1)
1.一种光电反馈混沌激光储备池并行计算的装置,其特征在于,该装置包括三个模块:混沌激光产生模块、信号输入模块和处理后的信号输出模块;
混沌激光产生模块由分布反馈式半导体激光器(1)、双臂马赫-曾德尔调制器(2)、光耦合器(3)、光纤(4)、光电探测器(5)、射频低通滤波器(6)和射频放大器(8)依次连接构成;
射频低通滤波器(6)用于滤掉高频噪声,然后进入功分器(7)和射频耦合器(12),射频放大器(8)用于放大电信号,之后再与双臂马赫-曾德尔调制器(2)的一个输入端相连;
第一个反馈回路:双臂马赫-曾德尔调制器(2)的输出端与光耦合器(3)连接,光耦合器(3)的一个输出端依次与光纤(4)、光电探测器(5)、射频低通滤波器(6)、功分器(7)、射频耦合器(12)和射频放大器(8)相连接,之后再与双臂马赫-曾德尔调制器(2)的输入端连接;
第二个反馈回路:双臂马赫-曾德尔调制器(2)的输出端与光耦合器(3)连接,光耦合器(3)的另一个输出端依次与光纤(4)、光电探测器(5)、射频低通滤波器(6)、功分器(7)、射频耦合器(12)和射频放大器(8)相连接,之后再与双臂马赫-曾德尔调制器(2)的输入端连接;信号输入模块由现场可编程门阵列I(9)的一个输出端、第一采样保持电路(10)、开关(14)、乘法器(11)和射频耦合器(12)依次连接,现场可编程门阵列I(9)的另一个输出端、第二采样保持电路(10)和乘法器(11)依次连接,以及外部输入信号(15)与开关(14)连接构成;
处理后的信号输出模块由功分器(7)和现场可编程门阵列II(13)构成;
具体连接如下:分布反馈式半导体激光器(1)与双臂马赫-曾德尔调制器(2)连接,双臂马赫-曾德尔调制器(2)的输出与光耦合器(3)连接,光耦合器(3)与光纤(4)连接,光纤(4)与光电探测器(5)连接,光电探测器(5)与射频低通滤波器(6)连接,射频低通滤波器(6)与功分器(7)连接、功分器(7)一端与射频耦合器(12)连接而另一端与现场可编程门阵列II(13)连接,射频耦合器(12)一端与射频放大器(8)连接,射频放大器(8)与双臂马赫-曾德尔调制器(2)的输入端连接,现场可编程门阵列I(9)与第一采样保持电路(10)和第二采样保持电路(10)分别连接,第一采样保持电路(10)与开关(14)连接,外部输入信号(15)与开关(14)连接,乘法器(11)的一个输入端与开关(14)连接而另一个输入端与第二采样保持电路(10)连接,乘法器(11)的输出与射频耦合器(12)的另一输入端连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310098211.9A CN103236833B (zh) | 2013-03-25 | 2013-03-25 | 一种光电反馈混沌激光储备池并行计算的装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310098211.9A CN103236833B (zh) | 2013-03-25 | 2013-03-25 | 一种光电反馈混沌激光储备池并行计算的装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103236833A CN103236833A (zh) | 2013-08-07 |
CN103236833B true CN103236833B (zh) | 2016-01-20 |
Family
ID=48884856
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310098211.9A Active CN103236833B (zh) | 2013-03-25 | 2013-03-25 | 一种光电反馈混沌激光储备池并行计算的装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103236833B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105306042B (zh) * | 2015-11-26 | 2017-12-19 | 东北大学 | 一种用于宽带混沌激光储备池并行计算的装置 |
CN110247298B (zh) * | 2019-05-13 | 2021-04-09 | 上海大学 | 一种确定半导体激光器储备池工作点的方法 |
CN110247299B (zh) * | 2019-05-22 | 2021-02-23 | 上海大学 | 一种并行双光反馈半导体激光器储备池计算系统 |
CN112269270B (zh) * | 2020-11-02 | 2022-09-13 | 太原理工大学 | 基于垂直腔面发射激光器双偏振态的回声状态网络系统 |
CN112822003B (zh) * | 2021-01-07 | 2022-05-13 | 太原理工大学 | 一种基于储备池计算的激光混沌同步保密通信方法及系统 |
CN114781636B (zh) * | 2022-06-21 | 2022-09-06 | 太原理工大学 | 一种集成型光子储备池计算装置 |
-
2013
- 2013-03-25 CN CN201310098211.9A patent/CN103236833B/zh active Active
Non-Patent Citations (5)
Title |
---|
Parallel photonic information processing at gigabyte per second data rates using transient states;Danie Brunner,Miguel.C.Soriano,etc;《Nature Communications》;20130115;全文 * |
Parallel reservoir computing using optical amplifiers;Kristof Vandoorne,Joni Dambre,David Verstraeten,etc;《IEEE TRANSACTIONS ON NEURAL NETWORKS》;20110930;全文 * |
Photonic information processing beyond Turing:an optoelectronic implementation of reservior computing;L.Larger,M.C.Soriano,D.Brunner,etc;《OPTICS EXPRESS》;20120130;第2部分第1段,图2 * |
储备池计算概述;彭宇、王建民、彭喜元;《电子学报》;20111031;第39卷(第10期);全文 * |
混沌光子储备池计算研究进展;赵清春、殷洪玺;《激光与光电子学进展》;20130131;第3部分第1-2段 * |
Also Published As
Publication number | Publication date |
---|---|
CN103236833A (zh) | 2013-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103236833B (zh) | 一种光电反馈混沌激光储备池并行计算的装置 | |
Duport et al. | Fully analogue photonic reservoir computer | |
CN105306042A (zh) | 一种用于宽带混沌激光储备池并行计算的装置 | |
CN109784486A (zh) | 一种光学神经网络处理器及其训练方法 | |
CN111753977B (zh) | 光学神经网络卷积层芯片、卷积计算方法和电子设备 | |
Duport et al. | Virtualization of a photonic reservoir computer | |
Amiri et al. | Quantum information generation using optical potential well | |
CN110247299B (zh) | 一种并行双光反馈半导体激光器储备池计算系统 | |
CN109784485A (zh) | 一种光学神经网络处理器及其计算方法 | |
CN114819132A (zh) | 一种基于时间-波长交织的光子二维卷积加速方法及系统 | |
CN115169542B (zh) | 一种面向卷积神经网络的二维光子卷积加速系统和装置 | |
WO2021104535A1 (zh) | 一种光计算设备以及光信号处理方法 | |
CN111680796B (zh) | 基于级联光耦合器的片上光子神经网络装置、芯片及其应用方法 | |
US11929788B2 (en) | Microwave photonic Ising machine | |
Song et al. | Physics-informed neural operator for fast and scalable optical fiber channel modelling in multi-span transmission | |
CN113657588B (zh) | 一种实现光学神经网络的方法及系统 | |
CN112822003B (zh) | 一种基于储备池计算的激光混沌同步保密通信方法及系统 | |
CN110794635B (zh) | 一种基于垂直腔半导体光放大器的低功耗光学突触装置 | |
Akrout et al. | Parallel photonic reservoir computing using frequency multiplexing of neurons | |
CN106506088A (zh) | 一种基于单边带调制的载波聚合和解聚合的方法与系统 | |
CN104991398A (zh) | 基于微环谐振腔的全光微分方程求解器 | |
Fischer et al. | Photonic reservoir computing for ultra-fast information processing using semiconductor lasers | |
Shang et al. | DeepAutonet: self-driving reconfigurable HPC system with deep reinforcement learning | |
Ren et al. | Transfer Learning Aided Optical Nonlinear Equalization Based Feature Engineering Neural Network | |
CN117675061A (zh) | 一种基于轻量化知识蒸馏的少模多芯光纤信道建模方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |