CN111898741A - 基于铌酸锂的片上级联mzi可重构量子网络 - Google Patents
基于铌酸锂的片上级联mzi可重构量子网络 Download PDFInfo
- Publication number
- CN111898741A CN111898741A CN202010771043.5A CN202010771043A CN111898741A CN 111898741 A CN111898741 A CN 111898741A CN 202010771043 A CN202010771043 A CN 202010771043A CN 111898741 A CN111898741 A CN 111898741A
- Authority
- CN
- China
- Prior art keywords
- array
- optical
- mzi
- lithium niobate
- layer
- 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.)
- Pending
Links
- GQYHUHYESMUTHG-UHFFFAOYSA-N lithium niobate Chemical compound [Li+].[O-][Nb](=O)=O GQYHUHYESMUTHG-UHFFFAOYSA-N 0.000 title claims abstract description 39
- 230000003287 optical effect Effects 0.000 claims abstract description 98
- 238000013528 artificial neural network Methods 0.000 claims abstract description 28
- 239000006096 absorbing agent Substances 0.000 claims abstract description 12
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical group O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 48
- 239000011159 matrix material Substances 0.000 claims description 27
- 239000000377 silicon dioxide Substances 0.000 claims description 25
- 235000012239 silicon dioxide Nutrition 0.000 claims description 19
- 229920002120 photoresistant polymer Polymers 0.000 claims description 16
- 230000009466 transformation Effects 0.000 claims description 16
- 238000005530 etching Methods 0.000 claims description 14
- 239000010409 thin film Substances 0.000 claims description 13
- 238000000609 electron-beam lithography Methods 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 239000010408 film Substances 0.000 claims description 7
- 238000001020 plasma etching Methods 0.000 claims description 7
- 238000002360 preparation method Methods 0.000 claims description 7
- 230000004913 activation Effects 0.000 claims description 6
- 238000005234 chemical deposition Methods 0.000 claims description 6
- 229910052681 coesite Inorganic materials 0.000 claims description 6
- 229910052906 cristobalite Inorganic materials 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 6
- 229910052682 stishovite Inorganic materials 0.000 claims description 6
- 229910052905 tridymite Inorganic materials 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 5
- 239000007788 liquid Substances 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 238000005566 electron beam evaporation Methods 0.000 claims description 4
- 238000000151 deposition Methods 0.000 claims description 3
- 230000008021 deposition Effects 0.000 claims description 3
- 230000005684 electric field Effects 0.000 claims description 3
- 229920003229 poly(methyl methacrylate) Polymers 0.000 claims description 3
- 239000004926 polymethyl methacrylate Substances 0.000 claims description 3
- 239000000758 substrate Substances 0.000 claims description 3
- 239000011248 coating agent Substances 0.000 claims description 2
- 238000000576 coating method Methods 0.000 claims description 2
- 238000000313 electron-beam-induced deposition Methods 0.000 claims description 2
- 239000003292 glue Substances 0.000 claims description 2
- 229910052751 metal Inorganic materials 0.000 claims description 2
- 239000002184 metal Substances 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 7
- 238000004377 microelectronic Methods 0.000 abstract description 5
- 238000001514 detection method Methods 0.000 abstract description 3
- 230000001537 neural effect Effects 0.000 abstract description 3
- 230000001427 coherent effect Effects 0.000 abstract description 2
- 239000013307 optical fiber Substances 0.000 abstract description 2
- 210000002569 neuron Anatomy 0.000 description 10
- 238000000844 transformation Methods 0.000 description 8
- 230000010354 integration Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- KFZMGEQAYNKOFK-UHFFFAOYSA-N Isopropanol Chemical compound CC(C)O KFZMGEQAYNKOFK-UHFFFAOYSA-N 0.000 description 3
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 229910052710 silicon Inorganic materials 0.000 description 3
- 239000010703 silicon Substances 0.000 description 3
- KRHYYFGTRYWZRS-UHFFFAOYSA-N Fluorane Chemical compound F KRHYYFGTRYWZRS-UHFFFAOYSA-N 0.000 description 2
- 239000000853 adhesive Substances 0.000 description 2
- 230000001070 adhesive effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005520 electrodynamics Effects 0.000 description 2
- 238000010894 electron beam technology Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000000623 plasma-assisted chemical vapour deposition Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- QXHRQZNDMYRDPA-UHFFFAOYSA-N 3,4-dimethylpentan-2-one Chemical compound CC(C)C(C)C(C)=O QXHRQZNDMYRDPA-UHFFFAOYSA-N 0.000 description 1
- XKRFYHLGVUSROY-UHFFFAOYSA-N argon Substances [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 description 1
- 229910052786 argon Inorganic materials 0.000 description 1
- -1 argon ion Chemical class 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000005610 quantum mechanics Effects 0.000 description 1
- LIVNPJMFVYWSIS-UHFFFAOYSA-N silicon monoxide Chemical group [Si-]#[O+] LIVNPJMFVYWSIS-UHFFFAOYSA-N 0.000 description 1
- 229910052814 silicon oxide Inorganic materials 0.000 description 1
- 238000004528 spin coating Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B6/00—Light guides; Structural details of arrangements comprising light guides and other optical elements, e.g. couplings
- G02B6/10—Light guides; Structural details of arrangements comprising light guides and other optical elements, e.g. couplings of the optical waveguide type
- G02B6/12—Light guides; Structural details of arrangements comprising light guides and other optical elements, e.g. couplings of the optical waveguide type of the integrated circuit kind
- G02B6/13—Integrated optical circuits characterised by the manufacturing method
- G02B6/132—Integrated optical circuits characterised by the manufacturing method by deposition of thin films
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B6/00—Light guides; Structural details of arrangements comprising light guides and other optical elements, e.g. couplings
- G02B6/10—Light guides; Structural details of arrangements comprising light guides and other optical elements, e.g. couplings of the optical waveguide type
- G02B6/12—Light guides; Structural details of arrangements comprising light guides and other optical elements, e.g. couplings of the optical waveguide type of the integrated circuit kind
- G02B6/13—Integrated optical circuits characterised by the manufacturing method
- G02B6/136—Integrated optical circuits characterised by the manufacturing method by etching
-
- G—PHYSICS
- G02—OPTICS
- G02F—OPTICAL DEVICES OR ARRANGEMENTS FOR THE CONTROL OF LIGHT BY MODIFICATION OF THE OPTICAL PROPERTIES OF THE MEDIA OF THE ELEMENTS INVOLVED THEREIN; NON-LINEAR OPTICS; FREQUENCY-CHANGING OF LIGHT; OPTICAL LOGIC ELEMENTS; OPTICAL ANALOGUE/DIGITAL CONVERTERS
- G02F1/00—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics
- G02F1/01—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour
- G02F1/21—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour by interference
-
- G—PHYSICS
- G02—OPTICS
- G02F—OPTICAL DEVICES OR ARRANGEMENTS FOR THE CONTROL OF LIGHT BY MODIFICATION OF THE OPTICAL PROPERTIES OF THE MEDIA OF THE ELEMENTS INVOLVED THEREIN; NON-LINEAR OPTICS; FREQUENCY-CHANGING OF LIGHT; OPTICAL LOGIC ELEMENTS; OPTICAL ANALOGUE/DIGITAL CONVERTERS
- G02F1/00—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics
- G02F1/01—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour
- G02F1/21—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour by interference
- G02F1/225—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour by interference in an optical waveguide structure
-
- G—PHYSICS
- G02—OPTICS
- G02F—OPTICAL DEVICES OR ARRANGEMENTS FOR THE CONTROL OF LIGHT BY MODIFICATION OF THE OPTICAL PROPERTIES OF THE MEDIA OF THE ELEMENTS INVOLVED THEREIN; NON-LINEAR OPTICS; FREQUENCY-CHANGING OF LIGHT; OPTICAL LOGIC ELEMENTS; OPTICAL ANALOGUE/DIGITAL CONVERTERS
- G02F1/00—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics
- G02F1/35—Non-linear optics
- G02F1/365—Non-linear optics in an optical waveguide structure
Landscapes
- Physics & Mathematics (AREA)
- Nonlinear Science (AREA)
- General Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Engineering & Computer Science (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Optical Modulation, Optical Deflection, Nonlinear Optics, Optical Demodulation, Optical Logic Elements (AREA)
Abstract
一种基于铌酸锂的片上级联MZI可重构量子网络架构，包括：作为神经网络输入层的输入波导阵列、与输入波导阵列光连接且作为神经网络隐藏层的若干MZI、可饱和吸收器阵列、非线性光学单元以及作为神经网络输出层的探测器阵列，MZI之间相互连接并根据第一阵列光信号线性转换为第二阵列光信号，可饱和吸收器阵列可饱和吸收器阵列中的每个可饱和吸收器接收第二阵列光信号中的相应光信号并将其非线性地转换为第三阵列光信号并由探测器阵列探测得到；本发明解决现有基于光子集成电路的片上相干光学神经形态计算技术问题，以通用、可重构的量子光学神经网络克服微电子和混合光学电子实现中计算效率和功耗的局限性。
Description
技术领域
本发明涉及的是一种量子计算领域的技术，具体是一种基于铌酸锂的片上级联马赫—曾德尔调制器(MZI)可重构量子网络。
背景技术
光学神经网络(Optical Neural Networks,ONNW)是基于光子集成电路来实现神经拟态计算，通常包括一个输入层、至少一个隐藏层和一个输出层。在每一层中，信息通过线性组合(例如矩阵乘法)和应用于线性组合结果的非线性激活函数通过神经网络传播。在训练人工神经网络模型时，可以将数据输入到输入层，并通过前向传播步骤计算输出。然后通过反向传播过程对参数进行优化。
在光学神经网络中，可以以光速执行线性变换(和某些非线性变换)，并在光子网络中以超过100GHz的速率以较低的能耗进行检测。但是，由于缺乏相位稳定性以及难以在网络中集成大量神经元(例如，数百万个神经元的数量级)，因此使用大量光学组件(例如，光纤和透镜)实施此类转换可能具有挑战性。
发明内容
本发明针对现有技术存在的上述不足，提出一种基于铌酸锂的片上级联MZI可重构量子网络架构，解决现有基于光子集成电路的片上相干光学神经形态计算技术问题，以通用、可重构的量子光学神经网络(Quantum Optical neural networks,QONN)克服微电子和混合光学电子实现中计算效率和功耗的局限性。
本发明是通过以下技术方案实现的：
本发明涉及一种基于铌酸锂的片上级联MZI可重构量子网络架构，包括：作为神经网络输入层的输入波导阵列、与输入波导阵列光连接且作为神经网络隐藏层的若干MZI、可饱和吸收器阵列、非线性光学单元以及作为神经网络输出层的探测器阵列，其中：MZI之间相互连接并根据第一阵列光信号线性转换为第二阵列光信号，可饱和吸收器阵列可饱和吸收器阵列中的每个可饱和吸收器接收第二阵列光信号中的相应光信号并将其非线性地转换为第三阵列光信号并由探测器阵列探测得到。
所述的第一阵列光信号来自波导的输入光场，具体为：Z(i)＝|E|2，其中：E是波导中的电场强度。
所述的第二阵列光信号经过光学干涉，具体为：Z(1)＝W0x，其中：W0是代表光学干涉的矩阵。
由第二阵列光信号非线性转换得到的第三阵列光信号具体为：Y＝W0h(i)，其中：h(i)是通过非线性光学单元实现的激活函数，h(i)＝f(Z(i))。
所述的马赫—曾德尔干涉仪包括：用于改变MZI的分束比的第一移相器、用于改变MZI的一个输出的相位的第二移相器。
所述的非线性光学单元通过可饱和吸收器阵列实现。
本发明涉及一种基于铌酸锂薄膜的片上马赫—曾德尔干涉仪的制备方法，包括下列步骤：
步骤1、等离子体增强化学沉积二氧化硅：
①由上往下依次为铌酸锂薄膜、二氧化硅衬底以构成薄膜样品；
②等离子体增强化学沉积法沉积二氧化硅，以作为铌酸锂刻蚀的掩膜层，从而使刻蚀铌酸锂的过程中的MZI受到保护并刻蚀得更深，同时在远离铌酸锂薄膜材料暴露在外；
步骤2、电子束光刻：
①由上往下依次涂上用于降低MZI波导的粗糙度的导电胶和光刻胶；
②通过电子束光刻系统来进行电子束光刻，从而能够实现亚微米级的MZI的制备；
③对光刻胶显影、定影，直到形成稳定的需要的图案层；
步骤3、反应离子刻蚀SiO2：
将已有稳定图案层的薄膜进行反应离子刻蚀，直到把相应区域的二氧化硅刻蚀完全。
步骤4、刻蚀铌酸锂：调整步骤1中的二氧化硅的掩膜层厚度以及刻蚀参数，直到刻蚀反应到需要的波导深度。形成带有二氧化硅掩膜的铌酸锂图案层和脊状波导，即不同深度的MZI；
步骤5、残余层清洗：
①将经过刻蚀的薄膜样品放置于腐蚀液中，使用有机去胶液清洗掉残存的光刻胶，直到光刻胶完全去除；
②将去除光刻胶的样品放入5％的HF溶液中，对剩余的二氧化硅层进行腐蚀，直到二氧化硅层完全去除。
步骤6、电子束蒸镀沉积电极：
①底部金属电极采用标准PMMA/MMA双层剥离工艺形成；
②电极是用电子束蒸镀沉积的。
本发明涉及上述方法制备得到的基于铌酸锂的片上级联MZI可重构量子网络架构的应用，将其用于进行量子计算，包括但不限于大数N的质数因式分解Shor算法、量子搜寻Grover算法等。
技术效果
本发明整体解决了现有微电子和混合光学电子中计算效率低且功耗较大、光学组件扩展性差、机器学习算法具有算力限制以及硅基具有材料限制，很难大规模大尺度集成的问题。
与现有技术相比，本发明技术效果包括：
1、突破微电子和混合光学电子中计算效率和功耗的局限。在光学神经网络中，可以以光速执行线性变换(和某些非线性变换)，并在光子网络中以超过100GHz的速率进行检测，并且在某些情况下以最小的功耗进行检测。
2、突破传统光学组件扩展性差的限制。由于缺乏相位稳定性以及难以在网络中集成百万数量级的神经元，因此使用大量光学组件(如光纤和透镜)实施此类转换可能具有挑战性。集成光子学可以通过为大型、相位稳定的光学转换提供可扩展的体系结构来解决此问题。
3、突破经典机器学习算法的算力限制。大多数现代经典机器学习算法都依赖于线性代数运算。量子算法利用量子力学许多基本特性，如相干叠加性、并行性、纠缠性、测量坍缩等等，这些物理性质的加入使得计算的效率带来极大的帮助，形成量子算法。量子算法已进行多次演示并证明其实用性，可为各种线性代数运算提供比经典算法更快的速度，如：大数N的质数因式分解Shor算法、量子搜寻Grover算法。这些量子算法可以通过铌酸锂基的片上级联MZI量子网络实现。
4、突破硅基的材料限制。采用铌酸锂薄膜作为马赫—曾德尔的材料。铌酸锂具有优良的电光性能和非线性光学性质，它在电光调制器、腔量子电动力学实验和微波光子学等方面有很高的应用潜力。这种制备方法提升片上微光学器件的尺寸和片上微光学器件集成的效率，使得大规模大尺度的级联MZI制备和集成成为可能。
附图说明
图1为本发明光学神经网络的示意图；
图2为图1中光学神经网络中的隐藏层实现SVD分解的示意图；
图3为图1中光学神经网络中的隐藏层用于光学线性变换的MZI示意图；
图4为本发明利用等离子体增强化学气相沉积、电子束光刻和反应离子刻蚀制备基于铌酸锂薄膜、级联MZI的可重构量子网络的流程示意图；
图5为实施例实体示意图。
具体实施方式
如图1所示，为本实施例涉及一种马赫—曾德尔干涉仪进行光学线性变换的光学神经网络，包括：一个输入层1、多个隐藏层2，具体为2(1)、...2(i)...2(n)，以及一个输出层3。
每一输入层、隐藏层或输出层均包括多个神经元，即图1中圆圈节点，例如：输入层1中包括X1,X2,X3,X4,X5,X6六个神经元，输出层3中包括Y1,Y2,Y3,Y4,Y5,Y6六个神经元。
本实施例中输入层的圆圈通过基于铌酸锂基的输入波导实现，并且圆列之间的箭头通过用于执行线性或非线性变换的光子电路实现。
如图1所示，输入层1中的每个神经元连接至第一隐藏层2(1)中的所有六个神经元。类似地，第一隐藏层2(1)中的每个神经元连接至第二隐藏层2(2)中的所有六个神经元，依此类推。在光学神经网络的每一层中，通过如矩阵乘法的线性组合，然后应用非线性激活函数来传播信息，其中的光信号向量为：
其中：Ej是波导j中的电场强度。
如图2所示，本实施例通过基于铌酸锂的片上级联MZI量子网络实现多个隐藏层2，其中的每个隐藏层2包括：光学干涉单元4和非线性光学单元5以实现奇异值分解(SVD)，从而实现对输入光信号的任意线性变换，矩阵向量积Z(1)＝W0X是通过光学干涉单元得到，激活函数h(i)＝f(Z(i))通过非线性光学单元得到。
在光学神经网络中，矩阵向量积和非线性激活以每隔T＝Lnlc秒运算一次，其中：L为光学神经网络的物理长度，n为折射率，c为光速。
在前向传播时间中，总数量为D的输入向量可以通过MZI量子传播，从而有BW＝DclnL的总带宽。时钟频率容易超过100GHz，仅受光信号可转换为电信号的速率的限制。
除超快前向传播外，与计算矩阵向量乘积相关的计算时间与矩阵维数N成线性关系。将矩阵的维数从N增加到N+1相当于量子网络中添加一根波导。此系统中每秒的操作次数为：R＝2m·N2·1011s-1，其中：m为量子光学神经网络的层数。
所述的奇异值分解SVD中，任意一个实数矩阵M可以通过M＝USV*，其中：U为一个酉矩阵，S为一个对角为非负实数的m×n维对角矩阵，V*为n×n维酉矩阵V的复共轭。
所述的光学干涉单元4包括：第一MZI阵列6应用矩阵V实现运算、衰减或放大器7应用矩阵S实现乘法运算、第二MZI阵列8应用矩阵U实现乘法运算，其中：光学干涉单元2使用矩阵M对输入信号应用矩阵乘法，其中：M＝USV*。
所述的矩阵M的乘法原则上没有能量消耗，因此这种神经网络具有高能量效率。
所述的矩阵S的对角项λi通常称为矩阵M的奇异值，其在本实施例通过一组光放大器得到，其采用但不限于行波放大器或单通放大器。在光学神经网络中，每个光放大器作为输出节点并且通过恒定因子fa来放大或衰减信号。
所述的非线性光学单元5包括一组可饱和吸收器9的阵列。
如图3所示，为图1中光学神经网络中的隐藏层用于光学线性变换的马赫—曾德尔干涉仪示意图，包括有光学干涉单元和非线性光学单元。
所述的光学干涉单元4包括：互连的MZI 10，其中：每个MZI 10包括两个输入波导11和12、两个臂13和14以及两个输出波导15和16，每个MZI 10还包括设置于一个臂11上的第一移相器17和设置于一个输出波导13上的另一个第二移相器18，第一移相器17改变相位φ，并且可以控制由两个输出波导13和14之间的分束比；第二移相器18改变相位θ，并且可以控制由两个输出波导15和16之间的相位延迟。
利用这种配置，每个MZI可以对由两个输入波导11和12接收的光信号进行酉变换，并且酉变换可以写成：
如图4所示，本实施例利用等离子体增强化学气相沉积、电子束光刻和反应离子刻蚀制备基于铌酸锂薄膜、级联马赫—曾德尔调制器的片上重构量子网络的方法包括：
步骤1)等离子体增强化学沉积二氧化硅：取尺寸为1cm×1cm的铌酸锂薄膜样品，其由0.5mm硅基底(未示出)、4.7μm的SiO2薄膜19以及SiO2薄膜上600nm的铌酸锂薄膜23组成。于23表面用等离子体增强化学沉积法沉积SiO2掩膜层20。
步骤2)电子束光刻：将400nm厚的光刻胶21旋转涂在SiO2掩膜层20上。然后涂上一层用于传导电子束电子的导电胶22。在正常的曝光结束后，导电胶会溶于水中。随后用甲基异丁基(甲)酮显影75秒，用异丙醇定影60秒。
本实施例中采用高分辨率率电子束正胶AR-P 6200作为光刻胶21。
本实施例中采用SX AR-PC 5000/90.2导电胶作为导电胶22。
步骤3)反应离子刻蚀SiO2：用反应离子刻蚀机刻蚀二氧化硅，直到暴露在光刻胶下的氧化硅掩膜被完全去除。
步骤4)Ar+刻蚀铌酸锂：用氩离子反应刻蚀铌酸锂，控制刻蚀时间即可得到所设计的刻蚀深度。
步骤5)清洗残留层：使用有机去胶液去除残余的光刻胶21。最后将上述样品放入5％的氢氟酸中，直到二氧化硅掩膜层20被完全去除。
步骤6)加电极层：利用标准PMMA/MMA剥离工艺技术制作金薄膜微电极(900nm)，实现电极的制作和集成。
本发明采用铌酸锂薄膜作为马赫—曾德尔的材料。铌酸锂具有优良的电光性能和非线性光学性质，它在电光调制器、腔量子电动力学实验和微波光子学等方面有很高的应用潜力。这种制备方法提升了片上微光学器件的尺寸和片上微光学器件集成的效率，使得大规模大尺度的级联MZI制备和集成成为了可能。
与现有技术相比，本发明突破了传统光学组件扩展性差的限制。由于缺乏相位稳定性以及难以在网络中集成百万数量级的神经元，因此使用大量光学组件(如光纤和透镜)实施此类转换可能具有挑战性。集成光子学可以通过为大型、相位稳定的光学转换提供可扩展的体系结构来解决此问题。突破了微电子和混合光学电子中计算效率和功耗的局限。在光学神经网络中，可以以光速执行线性变换(和某些非线性变换)，并在光子网络中以超过100GHz的速率进行检测，并且在某些情况下以最小的功耗进行检测。
上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整，本发明的保护范围以权利要求书为准且不由上述具体实施所限，在其范围内的各个实现方案均受本发明之约束。
Claims (6)
1.一种基于铌酸锂的片上级联MZI可重构量子网络架构，其特征在于，包括：作为神经网络输入层的输入波导阵列、与输入波导阵列光连接且作为神经网络隐藏层的若干MZI、可饱和吸收器阵列、非线性光学单元以及作为神经网络输出层的探测器阵列，其中：MZI之间相互连接并根据第一阵列光信号线性转换为第二阵列光信号，可饱和吸收器阵列可饱和吸收器阵列中的每个可饱和吸收器接收第二阵列光信号中的相应光信号并将其非线性地转换为第三阵列光信号并由探测器阵列探测得到；
所述的第一阵列光信号来自波导的输入光场，具体为：Z(i)＝|E|2，其中：E是波导中的电场强度；
所述的第二阵列光信号经过光学干涉，具体为：Z(1)＝W0X，其中：W0是代表光学干涉的矩阵；
由第二阵列光信号非线性转换得到的第三阵列光信号具体为：Y＝W0h(i)，其中：h(i)是通过非线性光学单元实现的激活函数，h(i)＝f(Z(i))。
2.根据权利要求1所述的基于铌酸锂的片上级联MZI可重构量子网络架构，其特征是，所述的马赫-曾德尔干涉仪包括：用于改变MZI的分束比的第一移相器、用于改变MZI的一个输出的相位的第二移相器。
3.根据权利要求1所述的基于铌酸锂的片上级联MZI可重构量子网络架构，其特征是，每个隐藏层包括：光学干涉单元和非线性光学单元以实现奇异值分解，从而实现对输入光信号的任意线性变换。
4.根据权利要求3所述的基于铌酸锂的片上级联MZI可重构量子网络架构，其特征是，所述的光学干涉单元包括：第一MZI阵列应用矩阵V实现运算、衰减器或放大器应用矩阵S实现乘法运算、第二MZI阵列应用矩阵U实现乘法运算，其中：光学干涉单元使用矩阵M对输入信号应用矩阵乘法：M＝USV*，其中：U为一个酉矩阵，S为一个对角为非负实数的m×n维对角矩阵，V*为n×n维酉矩阵V的复共轭；
所述的非线性光学单元包括一组可饱和吸收器的阵列。
5.根据权利要求1所述的基于铌酸锂的片上级联MZI可重构量子网络架构，其特征是，所述的光学干涉单元包括：互连的MZI，每个MZI包括两个输入波导、两个臂以及两个输出波导，每个MZI还包括设置于一个臂上的第一移相器和设置于一个输出波导上的另一个第二移相器，第一移相器控制由两个输出波导之间的分束比；第二移相器控制由两个输出波导之间的相位延迟；从而每个MZI对由两个输入波导接收的光信号进行酉变换：
6.根据权利要求1～5中任一所述的基于铌酸锂的片上级联MZI可重构量子网络架构的制备方法，其特征在于，包括下列步骤：
步骤1、等离子体增强化学沉积二氧化硅：
①由上往下依次为铌酸锂薄膜、二氧化硅衬底以构成薄膜样品；
②等离子体增强化学沉积法沉积二氧化硅，以作为铌酸锂刻蚀的掩膜层，从而使刻蚀铌酸锂的过程中的MZI受到保护并刻蚀得更深，同时在远离铌酸锂薄膜材料暴露在外；
步骤2、电子束光刻：
①由上往下依次涂上用于降低MZI波导的粗糙度的导电胶和光刻胶；
②通过电子束光刻系统来进行电子束光刻，从而能够实现亚微米级的MZI的制备；
③对光刻胶显影、定影，直到形成稳定的需要的图案层；
步骤3、反应离子刻蚀SiO2：将已有稳定图案层的薄膜进行反应离子刻蚀，直到把相应区域的二氧化硅刻蚀完全；
步骤4、刻蚀铌酸锂：调整步骤1中的二氧化硅的掩膜层厚度以及刻蚀参数，直到刻蚀反应到需要的波导深度；形成带有二氧化硅掩膜的铌酸锂图案层和脊状波导，即不同深度的MZI；
步骤5、残余层清洗：
①将经过刻蚀的薄膜样品放置于腐蚀液中，使用有机去胶液清洗掉残存的光刻胶，直到光刻胶完全去除；
②将去除光刻胶的样品放入5％的HF溶液中，对剩余的二氧化硅层进行腐蚀，直到二氧化硅层完全去除；
步骤6、电子束蒸镀沉积电极：
①底部金属电极采用标准PMMA/MMA双层剥离工艺形成；
②电极是用电子束蒸镀沉积的。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010771043.5A CN111898741A (zh) | 2020-08-04 | 2020-08-04 | 基于铌酸锂的片上级联mzi可重构量子网络 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010771043.5A CN111898741A (zh) | 2020-08-04 | 2020-08-04 | 基于铌酸锂的片上级联mzi可重构量子网络 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111898741A true CN111898741A (zh) | 2020-11-06 |
Family
ID=73184017
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010771043.5A Pending CN111898741A (zh) | 2020-08-04 | 2020-08-04 | 基于铌酸锂的片上级联mzi可重构量子网络 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111898741A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112712162A (zh) * | 2020-12-11 | 2021-04-27 | 北京信息科技大学 | 一种基于光子晶体纳米梁的热光调制语音转换系统 |
| CN112988113A (zh) * | 2021-04-29 | 2021-06-18 | 中国科学院西安光学精密机械研究所 | 一种光子矩阵向量乘法器 |
| CN113900283A (zh) * | 2021-10-22 | 2022-01-07 | 南京南智先进光电集成技术研究院有限公司 | 基于薄膜铌酸锂电光调制器阵列的片上集成光信号处理器 |
| CN114371531A (zh) * | 2022-01-30 | 2022-04-19 | 上海图灵智算量子科技有限公司 | 光学单元、器件、芯片及其制造方法 |
| CN114520694A (zh) * | 2022-04-21 | 2022-05-20 | 苏州浪潮智能科技有限公司 | 一种计算芯片、系统及数据处理方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109477938A (zh) * | 2016-06-02 | 2019-03-15 | 麻省理工学院 | 用于光学神经网络的设备和方法 |
| CN110197277A (zh) * | 2019-05-13 | 2019-09-03 | 浙江大学 | 实现数字识别的光学神经网络方法 |
| CN110221387A (zh) * | 2019-07-17 | 2019-09-10 | 中国科学院半导体研究所 | 一种光子芯片及其制备方法 |
| US20190370652A1 (en) * | 2018-06-05 | 2019-12-05 | Lightelligence, Inc. | Optoelectronic computing systems |
| CN111461317A (zh) * | 2020-04-03 | 2020-07-28 | 上海交通大学 | 单片集成光子卷积神经网络计算系统及其制备方法 |
-
2020
- 2020-08-04 CN CN202010771043.5A patent/CN111898741A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109477938A (zh) * | 2016-06-02 | 2019-03-15 | 麻省理工学院 | 用于光学神经网络的设备和方法 |
| US20190370652A1 (en) * | 2018-06-05 | 2019-12-05 | Lightelligence, Inc. | Optoelectronic computing systems |
| CN110197277A (zh) * | 2019-05-13 | 2019-09-03 | 浙江大学 | 实现数字识别的光学神经网络方法 |
| CN110221387A (zh) * | 2019-07-17 | 2019-09-10 | 中国科学院半导体研究所 | 一种光子芯片及其制备方法 |
| CN111461317A (zh) * | 2020-04-03 | 2020-07-28 | 上海交通大学 | 单片集成光子卷积神经网络计算系统及其制备方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112712162A (zh) * | 2020-12-11 | 2021-04-27 | 北京信息科技大学 | 一种基于光子晶体纳米梁的热光调制语音转换系统 |
| CN112988113A (zh) * | 2021-04-29 | 2021-06-18 | 中国科学院西安光学精密机械研究所 | 一种光子矩阵向量乘法器 |
| CN113900283A (zh) * | 2021-10-22 | 2022-01-07 | 南京南智先进光电集成技术研究院有限公司 | 基于薄膜铌酸锂电光调制器阵列的片上集成光信号处理器 |
| CN113900283B (zh) * | 2021-10-22 | 2023-08-25 | 南京南智先进光电集成技术研究院有限公司 | 基于薄膜铌酸锂电光调制器阵列的片上集成光信号处理器 |
| CN114371531A (zh) * | 2022-01-30 | 2022-04-19 | 上海图灵智算量子科技有限公司 | 光学单元、器件、芯片及其制造方法 |
| CN114520694A (zh) * | 2022-04-21 | 2022-05-20 | 苏州浪潮智能科技有限公司 | 一种计算芯片、系统及数据处理方法 |
| WO2023201970A1 (zh) * | 2022-04-21 | 2023-10-26 | 苏州浪潮智能科技有限公司 | 一种计算芯片、系统及数据处理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111898741A (zh) | 基于铌酸锂的片上级联mzi可重构量子网络 | |
| Feldmann et al. | Parallel convolutional processing using an integrated photonic tensor core | |
| KR102542496B1 (ko) | 광 신경망 용 장치 및 방법 | |
| Wu et al. | Analog optical computing for artificial intelligence | |
| Fiers et al. | Nanophotonic reservoir computing with photonic crystal cavities to generate periodic patterns | |
| Shi et al. | Nonlinear germanium-silicon photodiode for activation and monitoring in photonic neuromorphic networks | |
| Schubert et al. | Inverse design of photonic devices with strict foundry fabrication constraints | |
| US20240184847A1 (en) | Optical circuit building method, optical circuit, and optical signal processing method and apparatus | |
| Matuszewski et al. | Role of all-optical neural networks | |
| Fu et al. | Optical neural networks: progress and challenges | |
| Lin et al. | 65 GOPS/neuron Photonic Tensor Core with Thin-film Lithium Niobate Photonics | |
| Nakajima et al. | Physical deep learning with biologically plausible training method | |
| Yang et al. | Programmable quantum circuits in a large-scale photonic waveguide array | |
| Gao et al. | Optofluidic memory and self-induced nonlinear optical phase change for reservoir computing in silicon photonics | |
| Jha et al. | High-speed time series prediction and classification on an all-optical neural network | |
| Lahijani et al. | Electronic-photonic circuit crossings | |
| Eldada et al. | Laser-fabricated delay lines in GaAs for optically steered phased-array radar | |
| Zhang et al. | Basics and applications of optical interferometers integrated by femtosecond laser | |
| CN118192010B (zh) | 用于光学神经网络原位训练的硅基光控微环谐振器 | |
| Lin et al. | 120 GOPS Photonic tensor core in thin-film lithium niobate for inference and in situ training | |
| Ye et al. | Orbital angular momentum beams multiplexing and demultiplexing using hybrid optical-electronic neural network | |
| Dũng | Design, Optimization, and Numerical Simulation of a Simultaneous 3-dB Power Splitter for Three Guided Modes Based on Ψ-Junction Coupler Structure and 2× 2 Multimode Interference Coupler Using SOI Waveguides For Applications in Photonic Neural Networks: Design, Optimization, and Numerical Simulation of a Simultaneous 3-dB Power Splitter for Three Guided Modes Based on Ψ-Junction Coupler Structure and 2× 2 Multimode Interference Coupler Using SOI Waveguides For Applications in Photonic Neural Networks | |
| CN118133916A (zh) | 电光融合计算装置及其操作方法、电子设备 | |
| Sarantoglou et al. | All-Optical, Reconfigurable and Power Independent Neural Activation Function by Means of Phase Modulation | |
| CN116579397A (zh) | 一种基于半导体激光器的光学非线性神经元 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20221101 Address after: 201100 Room 110 and 111, Building 3, No. 600, Jianchuan Road, Minhang District, Shanghai Applicant after: Shanghai Jiaotong University Intellectual Property Management Co.,Ltd. Address before: 200240 No. 800, Dongchuan Road, Shanghai, Minhang District Applicant before: SHANGHAI JIAO TONG University |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231204 Address after: 201210 3rd floor, building 1, No.400, Fangchun Road, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai Applicant after: Shanghai Turing intelligent computing Quantum Technology Co.,Ltd. Address before: 201100 Room 110 and 111, Building 3, No. 600, Jianchuan Road, Minhang District, Shanghai Applicant before: Shanghai Jiaotong University Intellectual Property Management Co.,Ltd. |
|
| TA01 | Transfer of patent application right |