CN110247728B - 一种光子神经网络芯片 - Google Patents

一种光子神经网络芯片 Download PDF

Info

Publication number
CN110247728B
CN110247728B CN201910587104.XA CN201910587104A CN110247728B CN 110247728 B CN110247728 B CN 110247728B CN 201910587104 A CN201910587104 A CN 201910587104A CN 110247728 B CN110247728 B CN 110247728B
Authority
CN
China
Prior art keywords
optical
module
output
input
optical signal
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
Application number
CN201910587104.XA
Other languages
English (en)
Other versions
CN110247728A (zh
Inventor
白冰
杨丰赫
赵斌
沈成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Photon Arithmetic Beijing Technology Co ltd
Original Assignee
Photon Arithmetic Beijing Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Photon Arithmetic Beijing Technology Co ltd filed Critical Photon Arithmetic Beijing Technology Co ltd
Priority to CN201910587104.XA priority Critical patent/CN110247728B/zh
Publication of CN110247728A publication Critical patent/CN110247728A/zh
Application granted granted Critical
Publication of CN110247728B publication Critical patent/CN110247728B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
    • H04B10/80—Optical aspects relating to the use of optical transmission for specific applications, not provided for in groups H04B10/03 - H04B10/70, e.g. optical power feeding or optical transmission through water
    • H04B10/801—Optical aspects relating to the use of optical transmission for specific applications, not provided for in groups H04B10/03 - H04B10/70, e.g. optical power feeding or optical transmission through water using optical interconnects, e.g. light coupled isolators, circuit board interconnections
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04J—MULTIPLEX COMMUNICATION
    • H04J14/00—Optical multiplex systems
    • H04J14/02—Wavelength-division multiplex systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Neurology (AREA)
  • Electromagnetism (AREA)
  • Optical Communication System (AREA)
  • Optical Modulation, Optical Deflection, Nonlinear Optics, Optical Demodulation, Optical Logic Elements (AREA)

Abstract

本发明实施例提供了一种神经网络芯片，包括：光输入模块、光处理模块以及光输出模块。其中，所述光输入模块至少包括波分复用器，用于接收多路输入光信号，并将多路所述输入光信号复用成一路第一目标光信号。所述光处理模块与所述光输入模块的输出端相连，用于将所述第一目标光信号进行计算，生成第二目标光信号。所述光输出模块与所述光处理模块的输出端相连，至少包括解波分复用器，用于将所述第二目标光信号分解成多路输出光信号。可见，本方案通过将光信号进行波分复用，将若干光信号经由包括不同波长的光束输入至光处理模块，从而增大单路光传播信息容量，进而提高光子神经网络的计算速度。

Description

一种光子神经网络芯片
技术领域
本发明涉及波分复用技术，具体涉及一种光子神经网络芯片。
背景技术
目前，神经网络芯片所运转的人造神经算法包括大量的矩阵相乘的运算，而传统计算机架构的计算平台(如由CPU或GPU构成的计算平台)在处理这些运算时，需要较大的计算能力支撑。具体的，需要通过计算模块去深度学习不同的运算逻辑，然而，通用性导致很多运算逻辑不能高效的完成，进而导致计算效率较低。
因此，如何提供一种神经网络芯片，能够提高数据计算效率，是本领域技术人员亟待解决的一大技术难题。
发明内容
有鉴于此，本发明实施例提供了一种神经网络芯片，能够提高数据计算效率。
为实现上述目的，本发明实施例提供如下技术方案：
一种神经网络芯片，包括：光输入模块、光处理模块以及光输出模块，
所述光输入模块至少包括波分复用器，用于接收多路输入光信号，并将多路所述输入光信号复用成一路第一目标光信号；
所述光处理模块与所述光输入模块的输出端相连，用于将所述第一目标光信号进行计算，生成第二目标光信号；
所述光输出模块与所述光处理模块的输出端相连，至少包括解波分复用器，用于将所述第二目标光信号分解成多路输出光信号。
可选的，所述光输入模块还包括第一耦合器，
所述第一耦合器与所述波分复用器的输出端相连，用于将所述第一目标光信号进行耦合后输出至所述光处理模块。
可选的，所述光输出模块还包括第二耦合器，
所述第二耦合器与所述光处理模块的输出端相连，用于将所述第二目标光信号进行耦合后输出至所述解波分复用器。
可选的，所述光输入模块还包括多路光输入子模块，所述光输入子模块包括光源、第三耦合器以及调制器，
所述第三耦合器的输入端与所述光源的输出端相连，所述第三耦合器的输出端与所述调制器的输入端相连，所述调制器的输出端作为所述光输入子模块的输出端，用于输出一路所述输入光信号至所述波分复用器。
可选的，所述光输出模块还包括多路光输出子模块，所述光输出子模块包括探测器，
所述探测器的输出端与所述解波分复用器的一路输出端相连，用于采集一路所述输出光信号。
可选的，不同的所述光源输出不同波长的光束至所述第三耦合器。
可选的，不同的所述光源输出波长相同且偏振不同的光束至所述第三耦合器。
可选的，不同的所述光源输出波长不同且偏振不同的光束至所述第三耦合器。
基于上述技术方案，本发明实施例提供了一种神经网络芯片，包括：光输入模块、光处理模块以及光输出模块。其中，所述光输入模块至少包括波分复用器，用于接收多路输入光信号，并将多路所述输入光信号复用成一路第一目标光信号。所述光处理模块与所述光输入模块的输出端相连，用于将所述第一目标光信号进行计算，生成第二目标光信号。所述光输出模块与所述光处理模块的输出端相连，至少包括解波分复用器，用于将所述第二目标光信号分解成多路输出光信号。可见，本方案通过将光信号进行波分复用，将若干光信号经由包括不同波长的光束输入至光处理模块，从而增大单路光传播信息容量，进而提高光子神经网络的计算速度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种神经网络芯片的结构示意图；
图2为本发明实施例提供的一种神经网络芯片的又一结构示意图；
图3为本发明实施例提供的一种神经网络芯片中光输入模块的结构示意图；
图4为本发明实施例提供的一种神经网络芯片中光输出模块的结构示意图。
具体实施方式
请参阅图1，图1为本实施例提供的一种神经网络芯片，包括：光输入模块101、光处理模块102以及光输出模块103。
其中，所述光输入模块至少包括波分复用器，用于接收多路输入光信号，并将多路所述输入光信号复用成一路第一目标光信号；
所述光处理模块与所述光输入模块的输出端相连，用于将所述第一目标光信号进行计算，生成第二目标光信号；
所述光输出模块与所述光处理模块的输出端相连，至少包括解波分复用器，用于将所述第二目标光信号分解成多路输出光信号。
可见，本方案通过将光信号进行波分复用，将若干光信号经由包括不同波长的光束输入至光处理模块，从而增大单路光传播信息容量，进而提高光子神经网络的计算速度。
在上述实施例的基础上，如图2所示，本实施例提供的神经网络芯片中，所述光输入模块还包括第一耦合器，所述光输出模块还包括第二耦合器。
具体的，所述第一耦合器与所述波分复用器的输出端相连，用于将所述第一目标光信号进行耦合后输出至所述光处理模块。
所述第二耦合器与所述光处理模块的输出端相连，用于将所述第二目标光信号进行耦合后输出至所述解波分复用器。
其中，光输入模块采用波分复用技术实现多路光波长信号的复用，复用后的光信号再进入光处理模块进行正常的计算处理。
具体的，如图3所示，在本实施例中，所述光输入模块还包括多路光输入子模块，所述光输入子模块包括光源、第三耦合器以及调制器。
其中，所述第三耦合器的输入端与所述光源的输出端相连，所述第三耦合器的输出端与所述调制器的输入端相连，所述调制器的输出端作为所述光输入子模块的输出端，用于输出一路所述输入光信号至所述波分复用器。
即，光源部分包括有光源1、光源2、光源3、光源4。每个光源可以包括被配置为产生光束的任意合适的系统、装置或设备。通过某些手段实现光源1、光源2、光源3、光源4产生不同波长的光，分别通过耦合器耦合到芯片内部，经过调制器进行调制，实现外部电信号到光信号的转换，最后都通过波分复用器复用成一束光信号λa。此后，λa进入光处理部分，完成计算。
在此基础上，如图4所示，所述光输出模块还包括多路光输出子模块，所述光输出子模块包括探测器。
其中，所述探测器的输出端与所述解波分复用器的一路输出端相连，用于采集一路所述输出光信号。即，λb光进入解波分复用器，得到四种不同波长的光。
需要说明的是，在本实施例中，以4路光路为例。根据实际的设计需求，还可以为其他数量的光路，如7路，10路等。
为了进一步保证各光路的输入能够进行波分复用，在本实施例中，可以控制不同的所述光源输出不同波长的光束至所述第三耦合器。或，不同的所述光源输出波长相同且偏振不同的光束至所述第三耦合器。或，不同的所述光源输出波长不同且偏振不同的光束至所述第三耦合器。
具体为：
将光源1被配置为产生第1波长的光束；
将光源2被配置为产生第2波长的光束；
将光源3被配置为产生第3波长的光束；
将光源4被配置为产生第4波长的光束；
然后控制第1波长和第2波长相差20纳米；(20为其中一个例子，可以为其他数值)。第2波长和第3波长相差20纳米；第3波长和第4波长相差20纳米。
或者，控制第1波长、第2波长以及第3波长为同一波长，但第1光束、第2光束、第3光束和第4光束具有不同的偏振。
或者，控制第1波长、第2波长以及第3波长为不同波长，且，第1光束、第2光束、第3光束和第4光束为不同的偏振。
综上，本发明实施例提供了一种神经网络芯片，包括：光输入模块、光处理模块以及光输出模块。其中，所述光输入模块至少包括波分复用器，用于接收多路输入光信号，并将多路所述输入光信号复用成一路第一目标光信号。所述光处理模块与所述光输入模块的输出端相连，用于将所述第一目标光信号进行计算，生成第二目标光信号。所述光输出模块与所述光处理模块的输出端相连，至少包括解波分复用器，用于将所述第二目标光信号分解成多路输出光信号。可见，本方案通过将光信号进行波分复用，将若干光信号经由包括不同波长的光束输入至光处理模块，从而增大单路光传播信息容量，进而提高光子神经网络的计算速度。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种神经网络芯片，其特征在于，包括：光输入模块、光处理模块以及光输出模块，
所述光输入模块至少包括波分复用器，用于接收多路输入光信号，并将多路所述输入光信号复用成一路第一目标光信号；
所述光处理模块与所述光输入模块的输出端相连，用于将所述第一目标光信号进行计算，生成第二目标光信号；
所述光输出模块与所述光处理模块的输出端相连，至少包括解波分复用器，用于将所述第二目标光信号分解成多路输出光信号，所述多路输出光信号的数量与所述多路输入光信号的数量相同。
2.根据权利要求1所述的神经网络芯片，其特征在于，所述光输入模块还包括第一耦合器，
所述第一耦合器与所述波分复用器的输出端相连，用于将所述第一目标光信号进行耦合后输出至所述光处理模块。
3.根据权利要求2所述的神经网络芯片，其特征在于，所述光输出模块还包括第二耦合器，
所述第二耦合器与所述光处理模块的输出端相连，用于将所述第二目标光信号进行耦合后输出至所述解波分复用器。
4.根据权利要求1所述的神经网络芯片，其特征在于，所述光输入模块还包括多路光输入子模块，所述光输入子模块包括光源、第三耦合器以及调制器，
所述第三耦合器的输入端与所述光源的输出端相连，所述第三耦合器的输出端与所述调制器的输入端相连，所述调制器的输出端作为所述光输入子模块的输出端，用于输出一路所述输入光信号至所述波分复用器。
5.根据权利要求4所述的神经网络芯片，其特征在于，所述光输出模块还包括多路光输出子模块，所述光输出子模块包括探测器，
所述探测器的输出端与所述解波分复用器的一路输出端相连，用于采集一路所述输出光信号。
6.根据权利要求4所述的神经网络芯片，其特征在于，不同的所述光源输出不同波长的光束至所述第三耦合器。
7.根据权利要求4所述的神经网络芯片，其特征在于，不同的所述光源输出波长相同且偏振不同的光束至所述第三耦合器。
8.根据权利要求4所述的神经网络芯片，其特征在于，不同的所述光源输出波长不同且偏振不同的光束至所述第三耦合器。
CN201910587104.XA 2019-07-01 2019-07-01 一种光子神经网络芯片 Active CN110247728B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910587104.XA CN110247728B (zh) 2019-07-01 2019-07-01 一种光子神经网络芯片

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910587104.XA CN110247728B (zh) 2019-07-01 2019-07-01 一种光子神经网络芯片

Publications (2)

Publication Number Publication Date
CN110247728A CN110247728A (zh) 2019-09-17
CN110247728B true CN110247728B (zh) 2021-06-25

Family

ID=67890676

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910587104.XA Active CN110247728B (zh) 2019-07-01 2019-07-01 一种光子神经网络芯片

Country Status (1)

Country Link
CN (1) CN110247728B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111680796B (zh) * 2020-06-29 2023-07-11 中国人民解放军国防科技大学 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

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180035090A1 (en) * 2016-03-15 2018-02-01 Sutherland Cook Ellwood, JR. Photonic signal converter
CN106933001B (zh) * 2017-05-04 2019-04-19 上海交通大学 基于硅光集成的光子模数转换芯片
US11144821B2 (en) * 2017-08-30 2021-10-12 The Regents Of The University Of California Implementing a neuromorphic computing system using nanophotonic neurons
CN107832640B (zh) * 2017-10-25 2021-07-06 上海交通大学 归一化非负实数矩阵卷积器和使用方法
CN108375861B (zh) * 2018-04-14 2020-01-03 上海交通大学 可实现智能信号处理的高速高精度光模数转换装置和方法
CN109379138B (zh) * 2018-08-24 2021-07-13 中国电子科技集团公司第二十九研究所 基于光子神经网络的高线性微波光子链路实现方法及结构
CN109639359B (zh) * 2019-01-07 2021-10-08 上海交通大学 基于微环谐振器的光子神经网络卷积层芯片

Also Published As

Publication number Publication date
CN110247728A (zh) 2019-09-17

Similar Documents

Publication Publication Date Title
Al-Qadasi et al. Scaling up silicon photonic-based accelerators: Challenges and opportunities
CN111882052B (zh) 光子卷积神经网络系统
US9743160B2 (en) Memory access system, apparatus, and method
US20230385627A1 (en) Optical Computing Apparatus and System, and Convolution Computing Method
US20240127040A1 (en) Photonic accelerator for deep neural networks
WO2015042875A1 (zh) 波长选择开关和控制波长选择开关中的空间相位调制器的方法
Dang et al. BPLight-CNN: A photonics-based backpropagation accelerator for deep learning
CN110247728B (zh) 一种光子神经网络芯片
US20220414442A1 (en) Optical computing apparatus and system, and computing method
US20240063936A1 (en) Systems and methods for utilizing photonic degrees of freedom in a photonic processor
CN113805641A (zh) 一种光子神经网络
Pinho et al. Design and characterization of an optical chip for data compression based on Haar wavelet transform
WO2023138585A1 (zh) 光计算装置及光计算方法
US20020024717A1 (en) Multi-wavelength light source for use in optical communication and method of acquiring multi-wavelength lights
JP7273342B2 (ja) 光情報処理装置
CN111949067B (zh) 达曼卷积光计算机
WO2022136146A1 (en) Optical computing and reconfiguring with spatiotemporal nonlinearities in waveguides
Li et al. ReFOCUS: Reusing Light for Efficient Fourier Optics-Based Photonic Neural Network Accelerator
CN112232487A (zh) 光学神经网络芯片及其计算方法
US10425183B2 (en) Optical transmission method and apparatus
WO2016116047A1 (zh) 光信号的发送方法、光收发器以及光背板互连系统
Roldán et al. A preliminary feasibility study of the LARPBS optical bus parallel model
JP2023137770A (ja) スペックル生成回路および光ニューラルネットワーク装置
US9143235B2 (en) Multicore chip with holographic optical interconnects
CN116266770A (zh) 数据处理装置及其数据处理方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20221104

Address after: 1610, 16th floor, 101-2-16th floor, building 21, Rongda Road, Chaoyang District, Beijing 100012

Patentee after: Zhongguancun Technology Leasing Co.,Ltd.

Address before: 100081 room 1019, building 1, Zhongguancun national defense science and Technology Park, Haidian District, Beijing

Patentee before: Photon Arithmetic (Beijing) Technology Co.,Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20231113

Address after: 1002, 1st Floor, Building 5, No. 2 Wanhong West Street, Chaoyang District, Beijing, 100015

Patentee after: Photon Arithmetic (Beijing) Technology Co.,Ltd.

Address before: 1610, 16th floor, 101-2-16th floor, building 21, Rongda Road, Chaoyang District, Beijing 100012

Patentee before: Zhongguancun Technology Leasing Co.,Ltd.