CN111971696A - 光学突触 - Google Patents
光学突触 Download PDFInfo
- Publication number
- CN111971696A CN111971696A CN201980025582.XA CN201980025582A CN111971696A CN 111971696 A CN111971696 A CN 111971696A CN 201980025582 A CN201980025582 A CN 201980025582A CN 111971696 A CN111971696 A CN 111971696A
- Authority
- CN
- China
- Prior art keywords
- optical
- signal
- phase
- encoded
- phase encoded
- 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.)
- Granted
Links
- 230000003287 optical effect Effects 0.000 title claims abstract description 310
- 210000000225 synapse Anatomy 0.000 title claims description 15
- 238000013461 design Methods 0.000 claims abstract description 68
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000013528 artificial neural network Methods 0.000 claims abstract description 19
- 230000003977 synaptic function Effects 0.000 claims abstract description 16
- 210000002569 neuron Anatomy 0.000 claims description 36
- 230000010363 phase shift Effects 0.000 claims description 30
- 239000000463 material Substances 0.000 claims description 26
- 230000006870 function Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 10
- 238000004519 manufacturing process Methods 0.000 claims description 9
- 239000006096 absorbing agent Substances 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 8
- 150000004770 chalcogenides Chemical class 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 239000012782 phase change material Substances 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 230000001939 inductive effect Effects 0.000 claims description 6
- 239000004065 semiconductor Substances 0.000 claims description 5
- 229910002113 barium titanate Inorganic materials 0.000 claims description 4
- 239000006185 dispersion Substances 0.000 claims description 4
- SZVJSHCCFOBDDC-UHFFFAOYSA-N ferrosoferric oxide Chemical compound O=[Fe]O[Fe]O[Fe]=O SZVJSHCCFOBDDC-UHFFFAOYSA-N 0.000 claims description 4
- 230000003955 neuronal function Effects 0.000 claims description 3
- 229910002254 LaCoO3 Inorganic materials 0.000 claims description 2
- 229910003327 LiNbO3 Inorganic materials 0.000 claims description 2
- 229910009973 Ti2O3 Inorganic materials 0.000 claims description 2
- 229910009815 Ti3O5 Inorganic materials 0.000 claims description 2
- 150000001875 compounds Chemical class 0.000 claims description 2
- HFLAMWCKUFHSAZ-UHFFFAOYSA-N niobium dioxide Inorganic materials O=[Nb]=O HFLAMWCKUFHSAZ-UHFFFAOYSA-N 0.000 claims description 2
- 229920000642 polymer Polymers 0.000 claims description 2
- GQUJEMVIKWQAEH-UHFFFAOYSA-N titanium(III) oxide Chemical compound O=[Ti]O[Ti]=O GQUJEMVIKWQAEH-UHFFFAOYSA-N 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 14
- 230000000946 synaptic effect Effects 0.000 description 16
- 238000012938 design process Methods 0.000 description 12
- 238000004088 simulation Methods 0.000 description 9
- GRUMUEUJTSXQOI-UHFFFAOYSA-N vanadium dioxide Chemical compound O=[V]=O GRUMUEUJTSXQOI-UHFFFAOYSA-N 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 210000004556 brain Anatomy 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003278 mimic effect Effects 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- NCGICGYLBXGBGN-UHFFFAOYSA-N 3-morpholin-4-yl-1-oxa-3-azonia-2-azanidacyclopent-3-en-5-imine;hydrochloride Chemical compound Cl.[N-]1OC(=N)C=[N+]1N1CCOCC1 NCGICGYLBXGBGN-UHFFFAOYSA-N 0.000 description 1
- 229910000618 GeSbTe Inorganic materials 0.000 description 1
- 229910005900 GeTe Inorganic materials 0.000 description 1
- 229910021542 Vanadium(IV) oxide Inorganic materials 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000036982 action potential Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000000748 compression moulding Methods 0.000 description 1
- 238000011960 computer-aided design Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000001459 lithography Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000002265 sensory receptor cell Anatomy 0.000 description 1
- 102000027509 sensory receptors Human genes 0.000 description 1
- 108091008691 sensory receptors Proteins 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 238000002076 thermal analysis method Methods 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
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/067—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using optical means
-
- 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
- G06N3/067—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using optical means
- G06N3/0675—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using optical means using electro-optical, acousto-optical or opto-electronic means
-
- 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
- G02F1/3501—Constructional details or arrangements of non-linear optical devices, e.g. shape of non-linear crystals
-
- 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
- G02F1/355—Non-linear optics characterised by the materials used
-
- 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
- H04B10/40—Transceivers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0048—Allocation of pilot signals, i.e. of signals known to the receiver
-
- 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
- G02F1/3501—Constructional details or arrangements of non-linear optical devices, e.g. shape of non-linear crystals
- G02F1/3503—Structural association of optical elements, e.g. lenses, with the non-linear optical device
-
- 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
- G02F2203/00—Function characteristic
- G02F2203/48—Variable attenuator
-
- 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
- G02F2203/00—Function characteristic
- G02F2203/50—Phase-only modulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06E—OPTICAL COMPUTING DEVICES; COMPUTING DEVICES USING OTHER RADIATIONS WITH SIMILAR PROPERTIES
- G06E3/00—Devices not provided for in group G06E1/00, e.g. for processing analogue or hybrid data
- G06E3/008—Matrix or vector computation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Nonlinear Science (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Signal Processing (AREA)
- Optics & Photonics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Neurology (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Crystallography & Structural Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Electromagnetism (AREA)
- Optical Modulation, Optical Deflection, Nonlinear Optics, Optical Demodulation, Optical Logic Elements (AREA)
- Optical Integrated Circuits (AREA)
Abstract
提供了用于光学神经网络的集成光学电路。所述集成光学电路被配置为处理相位编码的光学输入信号，并根据所述相位编码的光学输入信号提供相位编码的输出信号。所述相位编码的输出信号相对于所述相位编码的光学输入信号模拟了突触功能。还提供了一种相关的方法和相关的设计结构。
Description
背景技术
神经形态(neuromorphic)技术涉及受神经系统生物学结构启发的计算系统。传统的计算体系结构变得越来越不能满足现代计算机系统上不断增长的处理需求。与人脑相比，经典的冯·诺依曼计算机体系结构在功耗和空间要求方面效率极低。这促使人们进行了大量的研究工作，以了解人脑的高效计算范例并创建具有空前计算能力的人工认知系统。
神经形态网络被广泛地用于模式识别和分类，具有从指纹、虹膜和面部识别到目标获取等许多潜在的应用。神经形态网络的参数(例如，“突触权重”)可以是在学习过程中对模式集合进行自适应训练，然后神经形态网络能够识别或分类相同类型的模式。
神经元和突触(synapses)是大脑中的两个基本计算单元。
神经元可以对来自其他神经元的输入进行积分，在某些情况下，还可以与其他输入(例如来自感觉受体(sensoryreceptors))的输入进行积分，并且当积分的输入超过阈值时，产生称为“动作电位(actionpotentials)”或“尖峰”的输出信号。在下文中，由神经元执行的功能或操作被表示为神经元功能。
突触由于神经元活动而改变其连接强度，并且更新该连接的权重被称为网络的训练。突触通常比神经元大很多(在人脑中约为10,000)。神经形态计算技术的关键挑战是开发紧凑型设备，以模仿生物突触的可塑性。由突触执行的功能或操作被称为突触功能。
因此，需要模仿突触功能的装置。
发明内容
根据第一方面，本发明体现为用于光学神经网络的集成光学电路。所述集成光学电路被配置为处理相位编码(phase-encoded)的光学输入信号并提供相位编码的输出信号。所述相位编码的输出信号相对于所述相位编码的光学输入信号模拟突触功能。
示例性的光学电路使用相位在光域中编码信息。
根据第一方面的实施例，当产生具有被施加在所述相位编码的光学输入信号的相位上的权重的所述相位编码的输出信号时，所述电路仿真突触功能。
这在信号恢复方面提供了优点。特别地，相位与传播损耗解耦(decoupled)并且保持恒定。此外，由于传播损耗而导致的光学模式衰减的减小振幅可以再次放大以恢复信号。
根据实施例，所述集成光学电路被配置为将所述相位编码的光学输入信号转换为振幅编码的信号，以对所述振幅编码的信号进行加权，并将所述加权后的振幅编码的信号转换为所述相位编码的光学输出信号。
根据这样的实施例，所述集成光学电路在所述相位域和所述振幅域两者中操作。当输入和输出在所述相位域中操作时，在所述振幅域中执行一些中间处理。这有助于在所述振幅域中实现电路。
根据一个实施例，所述光学集成电路包括配置成承载光学参考信号的参考波导，配置成接收所述相位编码的光学输入信号的输入波导以及输出波导。所述光学参考信号和所述光学输入信号之间的相位差代表相应的所述相位编码输入信号。所述光学集成电路还包括：光学干涉仪，所述光学干涉仪被配置为通过叠加将所述光学参考信号和所述光学输入信号转换为干涉信号；以及可调谐衰减器，其被配置为将所述干涉信号加权为加权干涉信号。此外所述集成光学电路包括相移设备，所述相移设备被配置为通过根据所述加权干涉信号在所述光学参考信号中引起相移来将所述加权干涉信号转换为所述相位编码的光学输出信号。
根据这样的实施例，所述参考信号和所述相位编码的光学输入信号之间的所述相对相位差定义了输入状态。所述参考信号被并行地馈送到所述干涉仪和所述相移设备。所述干涉仪将所述参考信号和所述相位编码的输入信号转换为具有取决于所述参考信号和所述相位编码的输入信号之间的相移的振幅的干涉信号。更具体地，根据实施例，可以通过所述干涉仪将所述相位编码的输入信号的所述相位非线性地映射为振幅。所述可调谐衰减器通过执行衰减来设置所述光学集成电路的所述突触权重。所述权重可以设置，例如在包含所述集成光学电路的神经网络的训练课程中。所述相位编码的输出信号的相位由相对于所述参考信号的相位差定义。
根据实施例，相位编码的光学输出信号包括相对于光学参考信号在预定范围内的相移。优选地，所述预定范围是0°至180°之间的范围。这确保了对所述相位编码的输出信号的明确编码。
根据实施例，所述光学电路被配置为根据所述突触的加权因子来执行可变相移。
换句话说，根据这样的实施例的所述相移不是恒定的，而是取决于所述加权因子。作为示例，所述光学电路被设计成使得例如0.25的低加权因子与例如0.75的高加权因子导致不同的相移功能。根据一个实施例，输入相位例如为0导致输出相移为0，而输入相位为90°导致例如加权因子为0.25的输出相移为22.5，而加权因子为0.75的输入相移为67.5。以及输入相位为180°导致所述加权因子为0.25的输出相位为45，而为0.75的输出相位为135。
根据实施例，给定加权因子的所述相移可以线性或非线性地取决于所述给定输入相位。
根据另一实施例，所述集成光学电路包括功率归一化单元，所述功率归一化单元被配置为对所述相位编码的输出信号的输出功率进行归一化。
这样的实施例可以确保所述相位编码的光学输出信号始终具有相同的振幅。优选地，所述功率归一化单元包括放大器和饱和吸收器。所述放大器将光学输出信号的功率/振幅驱动到饱和吸收体的饱和区域，并且所述饱和吸收体的相应饱和度定义了归一化输出功率。
根据一个实施例，所述可调谐衰减器被实现为可调谐吸收器。
根据一个实施例，所述光学干涉仪是单模干涉仪。这提供了功率效率的优势。
根据另一实施例，光学干涉仪是多模式干涉仪。这提供了更容易设计的优点。
根据另一实施例，所述相移设备包括具有非线性屈光度-折射率指数转换(non-linear power-to-refractive-index conversion)的非线性光学材料。
非线性光学材料可以被定义为其中介电极化P对入射光的电场E非线性响应的材料。所述非线性取决于光的强度/振幅。根据实施例，所述非线性材料可以是例如BaTiO3、LiNbO3、铁电钙钛矿、具有非线性光学特性的聚合物、硫族化物或III-V族化合物半导体。
根据另一实施例，所述相移设备包括相变材料。这种相变材料根据入射光功率改变其材料状态。根据优选实施例，可以使用具有金属-绝缘体过渡的材料。这样的材料可以特别是相关的氧化物材料，特别是二氧化钒(VO2)。VO2的绝缘相态和金属相态之间的转变温度大约在65℃至75℃之间，这使VO2成为优选的选择。在室温下VO2温度仍远低于转变温度，因此处于绝缘状态。并且由于入射光功率导致的一些加热，VO2可以有效地达到转变温度以上，从而转变为金属态。
根据其他实施例，相变材料可以是V4O7、V6O11、V2O3、V6O13、V5O9、VO、V8O15、NbO2、Ti2O3、LaCoO3、Ti3O5、SmNiO3、NdNiO3、PrNiO3、Fe3O4或硫族化物例如GeTe或GeSbTe。
根据另一实施例，所述相移设备是等离子体色散调制器。等离子体的色散效应与半导体中自由载流子的密度有关，这会改变折射率的实部和虚部。这可以通过将电子和空穴的浓度与吸收系数和折射率相关联的Drude-Lorenz方程来描述。
根据另一实施例，相移设备包括光学腔，该光学腔包括非线性材料。栅极波导耦合到光学腔，并且配置成将加权干涉信号引导到光学腔，并根据所述加权干涉信号的光功率来改变所述非线性材料的折射率。所述光学腔接收所述光学参考信号，在所述光学参考信号中引起相移并提供所述相位编码的光学输出信号。根据一个实施例，所述光学腔可以由波导形成。示例性光学腔根据所述栅极波导中所述光信号的光功率提供折射率变化。
本发明的另一方面涉及一种用于仿真突触功能的方法。所述方法包括以下步骤：提供集成光学电路，并通过所述集成光学电路处理相位编码的光学输入信号。所述方法还包括以下步骤：通过所述集成光学电路仿真关于所述相位编码的光学输入信号的突触功能，以及通过所述集成光学电路提供一个相位编码的光学输出信号。
根据一个实施例，该方法还包括以下步骤：将所述相位编码的光学输入信号转换成振幅编码的信号，对所述振幅编码的信号进行加权，以及将所述加权的振幅编码的信号转换成所述相位编码的光学输出信号。
根据一个实施例，该方法包括以下步骤：通过参考波导携带光学参考信号，并且通过输入波导接收相位编码的光学输入信号。附加步骤包括：通过光学干涉仪，通过可调谐衰减器对干涉信号进行叠加和加权，将光学参考信号和光学输入信号转换为干涉信号，从而将其转换为加权干涉信号。另一步骤包括通过相移设备通过根据加权干涉信号在光学参考信号中引起相移，将加权干涉信号转换为相位编码的光学输出信号。
本发明的另一方面涉及有形地体现在机器可读介质中的设计结构，其用于设计、制造或测试集成光学电路。设计结构包括根据第一方面的集成光学电路。
本发明的另一方面涉及一种光学神经网络，其包括多个根据所述第一方面的集成光学电路作为突触电路。
根据实施例，所述光学神经网络包括多个另外的集成光学电路作为神经元电路。
根据一个实施例，所述神经元电路被配置为处理所述相位编码的光学输入信号并提供所述相位编码的光学输出信号。所述相位编码的光学输出信号相对于所述相位编码的光学输入信号模拟神经元功能。
利用这种示例性的神经网络，可以在所述光学域中实现所述神经元以及所述突触功能。
根据一个实施例，所述神经元电路被配置为将多个相位编码的光学输入信号转换为多个振幅编码的信号，并将多个振幅编码的信号组合为求和信号。另外，神经元电路被配置为执行求和信号到相位编码输出信号的非线性转换。
根据这样的实施例，所述突触电路在所述相位域和所述振幅域两者中操作。当所述输入和输出在所述相位域中操作时，在所述振幅域中执行一些中间处理。这有助于在所述振幅域中实现电路。
根据另一实施例，所述神经元电路包括配置成承载光学参考信号的参考波导和配置成接收多个相位编码的光学输入信号的多个输入波导。所述光学参考信号和所述光学输入信号之间的相位差表示所述各个相位编码的输入信号的各个相位。所述神经元电路还包括输出波导和光学干涉仪系统。所述光学干涉仪系统被配置为将所述多个光学输入信号和所述光学参考信号叠加为多个第一干涉信号。所述光学干涉仪系统还被配置为将所述多个第一干涉信号叠加为第二干涉信号。
根据这样的实施例，所述相位编码的光学输出信号包括相对于所述参考信号的相移，所述相移取决于在不消失的时间窗内的光学输入信号的输入状态之和。该依赖性尤其可以是非线性的。所述第二干涉信号对应于所述求和信号。
利用借助于干涉系统仿真的这种求和以及由相移设备仿真的后续非线性函数，可以在光学域中有效地近似/仿真神经元函数。
下面将参考附图通过说明性和非限制性示例来更详细地描述本发明的实施例。
附图说明的简要说明
图1示出了根据本发明实施例的光学神经网络；
图2示出了根据本发明实施例的信息编码方案的示意图；
图3示出了根据本发明实施例的光学神经网络的一部分的放大且更详细的视图；
图4示出了根据本发明实施例的神经元电路的组件的放大且更详细的视图；
图5示出了根据本发明的实施例的突触电路的组件的放大且更详细的视图；
图6示例性地示出了多个光学输入信号以及对应的参考信号的示例；
图7示例性地示出了多个光学输入信号与参考信号的叠加；
图8示出了根据本发明的实施例的神经元电路的相移设备的实施例的放大且更详细的视图；
图9示出了根据本发明的实施例的突触电路的相移设备的实施例的放大且更详细的视图；
图10示出了例如在半导体IC逻辑设计、仿真、测试、布局和制造中使用的示例性设计流程的框图；以及
图11示出了用于仿真突触功能的方法的方法步骤。
详细说明
图1示出了根据本发明的实施例的光学神经网络100。光学神经网络100包括输入层110、隐藏层120和输出层130。输入层110包括多个输入节点111，其被配置为接收相位编码的光学输入信号并提供光学输入信号给隐藏层120。输出层130包括被配置为提供相位编码的光学输出信号的多个输出节点131。
隐藏层120包括多个集成光学电路。更具体地，隐藏层120包括集成光学电路10和集成光学电路20。集成光学电路10被实现为神经元，并且在下文中也可以被表示为神经元电路10。集成光学电路20被实现为突触和神经元。在下面也可以表示为突触电路20。
集成光学电路10被配置为处理多个相位编码的光学输入信号并提供相位编码的光学输出信号。相位编码的光学输出信号相对于多个相位编码的光学输入信号模拟神经元功能。
集成光学电路20被配置为处理相位编码的光学输入信号并提供相位编码的光学输出信号。相位编码的光学输出信号相对于相位编码的光学输入信号模拟突触功能。
因此，光学神经网络100在相域中操作。
这在信号恢复方面提供了优点。特别地，相位与传播损耗解耦并且保持恒定。此外，由于传播损耗而导致的光学模式衰减的减小振幅可以再次放大以恢复信号。
根据实施例，可以利用训练过程来训练光学神经网络100的突触电路20的权重。根据实施例，可以在软件或硬件中完成对光学突触电路20的权重的调整。
图2示出了根据本发明实施例的信息编码方案的示意图。x轴表示神经元电路10和突触电路20的相位编码的光学输入信号的相位和相位编码的光学输出信号的相位。y轴表示对应的信息值。相位编码的光学输入和输出信号的相位在0°和180°之间的预定范围内操作，并且相应的信息值在0和1之间的范围内。
图3示例性地示出了根据本发明的实施例的例如光神经网络100的光神经网络的一部分的放大图300。放大图300示出了3个突触电路20和神经元电路10。神经元电路10包括或耦合到参考波导11。参考波导11被配置成承载光基准信号Sr提供参考相位
神经元电路10还包括多个输入波导12，其被配置为接收多个相位编码的光学输入信号，在该示例中为神经元输入信号Nin1,NIN2和Nin3。光学参考信号Sr和神经元输入信号Nin1、NIN2和Nin3之间的相位差表示相位编码的光学输入信号的各个相位。更具体地，神经元输入信号Nin1、NIN2和Nin3具有分别相对于基准信号Sr的所述相位
的相位
和
所述的神经电路10个处理所述神经元的输入信号Nin1、NIN2和Nin3和基准信号Sr，并提供一个具有相位
相位编码的光学输出信号Nout。
图4示出了根据本发明的实施例的神经元电路10的部件的放大且更详细的视图。
神经元电路10包括光学干涉仪系统14。光学干涉仪系统14包括多个第一干涉仪14a。第一干涉仪14a的每一个被配置为接收光学参考信号Sr和多个光学输入信号Nin1、NIN2和Nin3中的之一和叠加光学参考信号Sr和相应的光学输入信号Nin1、NIN2和Nin3中的一个分别形成多个第一干涉信号I1、I2和I3。多个第一干涉信号I1、I2和I3形成多个振幅编码的信号。换句话说，第一干涉信号I1、I2和I3的相应幅值表示第一干涉信号I1、I2和I3的信息。
此外，光学干涉仪系统14包括用于进一步处理第一干涉信号I1、I2和I3的设备14b。根据一个实施例，设备14b可以被实现为第二干涉仪14b。根据这样的实施例中，第二干涉仪14b被配置为接收所述多个第一干涉信号I1、I2和I3和叠加所述多个第一干涉信号I1、I2和I3形成第二干涉信号I4。根据另一实施例，设备14b可以被实现为振幅积分设备，例如，被实现为光电检测器。根据这样的实施例，振幅积分装置14b执行多个第一干涉信号的积分/求和，在该第一干涉信号I1、I2和I3的示例中，并提供求和信号I4其模拟多个第一干涉信号I1、I2和I3的求和/积分。
神经元电路10还包括移相装置15，该移相装置被配置为根据第二干涉信号I4提供相位编码的光学输出信号Nout。根据实施例，相移设备15将第二干涉信号I4非线性转换为相位编码的光学输出信号Nout。
相移设备15可以包括提供非线性屈光度-折射率指数转换的非线性材料。根据实施例，该非线性材料可以具体是BaTiO3。根据又一些实施例，相移设备15可以包括相变材料，例如VO2或硫族化物基材料(chalcogenide-based materials)。根据其他实施例，相移设备15可以被实现为等离子体色散调制器。
神经元电路10还包括功率归一化单元16，其被配置为对相位编码的光学输出信号Nout的输出功率执行归一化。
根据实施例，功率归一化单元16包括放大器16a和饱和吸收器16b。
图5示出了根据本发明的实施例的突触电路20的组件的放大且更详细的视图。
突触电路20包括配置为携带光学参考信号Sr的参考波导21和配置为接收相位编码的光学输入信号Sin的输入波导22。光学参考信号的相位
与光学输入信号的相位之间的相位差
表示相位编码光学输入信号Sin的相位
另外，突触电路20包括输出波导23和光学干涉仪24。光学干涉仪24被配置为转换光学参考信号Sr和光学输入信号Sin叠加成干涉信号I。干涉信号I形成振幅编码的信号。换句话说，干涉信号I的振幅携带信息。此外，突触电路20包括可调谐衰减器27，该可调谐衰减器27将干涉信号I加权为加权干涉信号IW。加权干涉信号IW也可以表示为加权的振幅编码的信号。移相装置25被配置为将加权干涉信号IW转换为经相位编码的光学输出信号Sout。更具体地，相移设备25在光学参考信号Sr中引起相移取决于加权干涉信号IW。引起的相移可以对加权干涉信号IW具有线性或非线性依赖性。
突触电路20还包括功率归一化单元26，其被配置为对相位编码的光学输出信号Sout的输出功率执行归一化。
功率归一化单元26包括放大器26a和饱和吸收器26b。
相移设备25可以包括提供非线性屈光度-折射率指数转换的非线性材料。根据实施例，非线性材料可以特别是BaTiO3。根据又一些实施例，相移设备25可以包括相变材料，例如VO2或硫族化物基材料。根据其他实施例，相移设备25可以被实现为等离子体色散调制器。
图6示例性地示出了多个光学输入信号以及对应的参考信号的示例。更特别地，图6示出如图4所示的神经元电路10的光学输入信号Nin1、NIN2和Nin3和如图5所示突触电路20的光学输入信号Sin1、Sin2和Sin3。另外，用虚线表示并示出了相应的参考信号Sr。
输入信号Nin3、Sin3与参考信号Sr同相，对应于输入相位
输入信号Nin2、Sin2相对于参考信号Sr具有90度的相移，因此输入相位
输入信号Nin1、Sin1相对于参考信号Sr具有180度的相移，因此输入相位
图7示例性的示出与参考信号Sr分别对应的多个光学输入信号Nin1、NIN2和Nin3和Sin1、Sin2和Sin3的叠加。
这导致了一组干涉信号，即在该示例中，该组包括干涉信号I1、I2和I3。
输入信号Nin3、Sin3和参考信号Sr的干涉信号I3具有最高振幅A3，因为两个叠加信号都是同相的。输入信号Nin2，Sin2和参考信号Sr中的干涉信号I2具有中等振幅A2。输入信号Nin1，Sin1和参考信号Sr的干涉信号I1由于输入信号Nin1，Sin1和参考信号Sr的相位相反而具有零振幅。
根据实施例，可以将180度的相位差映射到信息值V＝“0”，将90度的相位差映射到信息值V＝“0.5”，将0度的相位差映射到信息值V＝“1”。
根据另一个示例，可以将180度的相位差映射到信息值V＝“1”，将90度的相位差映射到信息值V＝“0.5”，将0度的相位差映射到信息值V＝“0”。根据另一个示例，可以将180度的相位差映射到信息值V＝“1”，将90度的相位差映射到信息值V＝“0.5”，将0度的相位差映射到信息值V＝“0”。
图8示出了根据本发明的实施例的神经元电路10的相移设备15的实施例的放大且更详细的视图。
根据该实施例，相移设备15包括光学腔801，该光学腔801包括非线性光学材料802。光学腔801由多个反射器803形成。此外，提供了栅极波导804并将其耦合至光学腔801。相移设备15被构造成引导所述第二干涉仪14B的输出的所述第二干涉信号I4经由栅极波导804到光学腔801。相移设备15被进一步配置成改变非线性材料802的折射率，其取决于第二干涉信号I4的光功率。更具体地，光学腔801被配置为接收光学参考信号Sr。经由波导805并且在光学参考信号Sr中引起相移。其结果是，相移设备15在输出波导806提供具有相位
的相位编码光学输出信号Sout。
图9示出了根据本发明的实施例的突触电路20的相移装置25的实施例的放大的更详细的视图。
相移设备25包括具有非线性光学材料902的光学腔901。光学腔901由多个反射器903形成。此外，提供了栅极波导904并将其耦合至光学腔901。该相移设备25被配置为引导IW加权干涉信号从所述可调衰减器27(参照图5)经由栅极波导904到光学谐振腔901。该相移设备25被进一步配置成改变折射率非线性材料902的强度，其取决于加权干涉信号IW的光功率。更具体地，光学901被配置为用于接收所述加权干涉信号IW并引起在光学参考信号Sr中的相移。其结果是，相移设备25在输出波导906提供具有相位
的相位编码光学输出信号Sout。
图10示出了例如在半导体IC逻辑设计、仿真、测试、布局和制造中使用的示例性设计流程1000的框图。设计流程1000包括用于处理设计结构或装置以生成上述和例如在图3至图5中示出的设计结构和/或装置的逻辑上或功能上等效表示的过程、机器和/或机制。设计流程1000处理和/或生成的设计结构可以在机器可读传输或存储介质上进行编码，以包括数据和/或指令，这些数据和/或指令在数据处理系统上执行或以其他方式处理时，会在逻辑上、结构上、机械上或逻辑上生成，否则为硬件组件、电路、设备或系统的等效功能表示。机器包括但不限于IC设计过程中使用的任何机器，例如设计，制造或仿真电路、组件、设备或系统。例如，机器可以包括：光刻机、用于产生掩模的机器和/或设备(例如，电子束记录器)、用于模拟设计结构的计算机或设备、在制造或测试过程中使用的任何设备，或用于将功能上等效的设计结构表示形式编程到任何介质中的任何机器(例如，用于对可编程门阵列进行编程的机器)。
设计流程1000可以根据要设计的表示形式而变化。例如，用于构建专用IC(ASIC)的设计流程1000可以不同于用于设计标准组件的设计流程1000，也可以不同于用于将设计实例化为可编程阵列，例如由
公司或
公司提供的可编程门阵列(PGA)或现场可编程门阵列(FPGA)的设计流程1000。
图10示出了多个这样的设计结构，包括优选地由设计过程1010处理的输入设计结构1020。设计结构1020可以是由设计过程1010生成和处理以产生硬件设备的逻辑等效功能表示的逻辑仿真设计结构。设计结构1020还可以或可替代地包括数据和/或程序指令，当由设计过程1010处理时，该数据和/或程序指令生成硬件设备的物理结构的功能表示。无论表示功能和/或结构设计特征，设计结构1020都可以使用诸如由核心开发者/设计者实施的电子计算机辅助设计(ECAD)来生成。当在机器可读数据传输器、门阵列或存储介质上编码时，设计结构1020可由设计过程1010内的一个或多个硬件和/或软件模块访问和处理，以模拟或以其他方式在功能上表示电子组件、电路电子或逻辑模块、装置、设备或系统，例如图3至5所示。设计结构1020可以包括文件或其他数据结构，包括人和/或机器可读的源代码、编译的结构和计算机可执行代码结构，当由设计或仿真数据处理系统处理时，可以在功能上仿真或表示电路或其他级别的硬件逻辑设计。这样的数据结构可以包括符合和/或兼容诸如Verilog和VHDL的较低级HDL设计语言和/或诸如C或C++的较高级设计语言的硬件描述语言(HDL)设计实体或其他数据结构。
设计过程1010最好采用并结合硬件和/或软件模块，以合成、翻译或以其他方式处理图1-8中所示的组件、电路、设备或逻辑结构的设计/仿真功能等效物以生成网表1080，其可以包含诸如设计结构1020之类的设计结构。网表1080可以包括例如表示电线、分立组件、逻辑门、控制电路、I/O设备、模型等的列表的经编译或以其他方式处理的数据结构。描述集成光学电路设计中与其他元件和电路的连接。网表1080可以使用迭代过程来合成，其中网表1080根据设备的设计规范和参数被重新合成一次或多次。与本文所述的其他设计结构类型一样，网表1080可以记录在机器可读数据存储介质上或编程为可编程门阵列。介质可以是非易失性存储介质，例如磁盘或光盘驱动器、可编程门阵列、紧凑型闪存或其他闪存。附加地或替代地，介质可以是系统或高速缓冲存储器、缓冲空间，或电或光导装置和材料，可以通过互联网或其他联网合适的手段在其上传输和中间存储数据分组。
设计过程1010可以包括用于处理包括Netlist1080在内的各种输入数据结构类型的硬件和软件模块。这样的数据结构类型可以驻留在例如库元素1030内，并且包括一组常用元素、电路和给定制造技术(例如，不同的技术节点，32nm、45nm、90nm等)的设备，包括模型、布局和符号表示。数据结构类型可以进一步包括设计规范1040、特征数据1050、验证数据1060、设计规则1070和测试数据文件1085，其可以包括输入测试图案、输出测试结果和其他测试信息。设计过程1010可以进一步包括例如标准机械设计过程，诸如应力分析、热分析、机械事件模拟，用于诸如铸造、模制和模压成型的操作的过程模拟等。本领域普通技术人员在不背离本发明的范围和精神的情况下，机械设计的理解可以理解在设计过程1010中使用的可能的机械设计工具和应用的程度。设计过程1010还可以包括用于执行标准电路设计过程的模块，例如时序分析、验证、设计规则检查、布局和布线操作等。
设计过程1010采用并结合了诸如HDL编译器和仿真模型构建工具之类的逻辑和物理设计工具来处理设计结构1020以及一些或全部所示的支持数据结构以及任何其他机械设计或数据(如果适用)，以生成第二设计结构1090。设计结构1090以用于交换机械设备和结构数据(例如，存储在IGES、DXF、ParasolidXT、JT、DRG中的信息)的数据格式驻留在存储介质或可编程门阵列上，或用于存储或呈现此类机械设计结构的任何其他合适格式。与设计结构1020相似，设计结构1090优选地包括一个或多个文件、数据结构或其他计算机编码的数据或指令，它们驻留在传输或数据存储介质上，并且当由ECAD系统处理时产生逻辑上或功能上等效的文件。图3至5所示的本发明的一个或多个实施例的一种形式。在一个实施例中，设计结构1090可以包括功能上模拟图3至5所示的设备的编译的、可执行的HDL仿真模型。
设计结构1090还可以采用用于交换集成光学电路的布局数据的数据格式和/或符号数据格式(例如，存储在GDSII(GDS2)、GL1、OASIS，地图文件或任何其他合适的信息中)用于存储此类设计数据结构的格式)。设计结构1090可以包含信息，例如符号数据、地图文件、测试数据文件、设计内容文件、制造数据、布局参数、导线、金属水平、过孔形状、用于通过生产线布线的数据以及制造商或其他设计者/开发人员生产如上所述和图1至8所示的设备或结构所需的任何其他数据。设计结构1090随后可以进入阶段1095，例如，设计结构1090：继续进行进行流片、发布到制造、发布到掩膜室、发送到另一个设计室、发送回客户等。
图11示出了用于仿真突触功能的方法的方法步骤。该方法提供了集成光学电路。集成光学电路处理相位编码的光学输入信号，相对于相位编码的光学输入信号仿真突触功能，并提供相位编码的光学输出信号。
更具体地，该方法开始于步骤1110。
在步骤1120中，由参考波导承载光学参考信号。
在步骤1130中，由输入波导接收相位编码的光学输入信号。
在步骤1140中，光学干涉仪通过叠加将光学参考信号和光学输入信号转换为干涉信号。
在步骤1150中，可调谐衰减器对干涉信号进行加权，并将其转换为加权干涉信号。
并且在步骤1160中，相移设备通过根据加权干涉信号在光学参考信号中引起相移，将加权干涉信号转换为相位编码的光学输出信号。
已经出于说明的目的给出了对本发明的各种实施例的描述，但是这些描述并不旨在是穷举性的或限于所公开的实施例。在不脱离所描述的实施例的范围和精神的情况下，许多修改和变型对于本领域普通技术人员将是显而易见的。选择这里使用的术语是为了最好地解释实施例的原理，对市场上存在的技术的实际应用或技术上的改进，或者使本领域的其他普通技术人员能够理解本文所公开的实施例。
Claims (25)
1.用于光学神经网络的集成光学电路，所述光学电路被配置为：
处理相位编码的光学输入信号；以及
为了根据所述相位编码的光学输入信号来提供相位编码的光学输出信号，所述相位编码的光学输出信号相对于所述相位编码的光学输入信号模拟突触功能。
2.根据权利要求1所述的集成光学电路，其中，所述集成光学电路被配置为：
将所述相位编码的光学输入信号转换成振幅编码的信号；
执行所述振幅编码的信号的加权；以及
将所述加权的振幅编码的信号转换为所述相位编码的光学输出信号。
3.根据权利要求1所述的集成光学电路，还包括：
参考波导，所述参考波导被配置为承载光学参考信号；
输入波导，所述输入波导被配置为接收所述相位编码的光学输入信号，其中所述光学参考信号和所述光学输入信号之间的相位差表示所述相位编码的光学输入信号的相位；
输出波导；
光学干涉仪，所述光学干涉仪被配置为通过叠加将所述光学参考信号和所述光学输入信号转换为干涉信号；
可调谐衰减器，所述可调谐衰减器被配置为执行所述干涉信号的加权得到加权干涉信号；以及
相移设备，所述相移设备被配置为通过根据所述加权干涉信号在所述光学参考信号中引起相移，将所述加权干涉信号转换为所述相位编码的光学输出信号。
4.根据权利要求3所述的集成光学电路，其中，所述相位编码的光学输出信号包括相对于所述光学参考信号在预定范围内的相移。
5.根据权利要求4所述的集成光学电路，其中，所述预定范围是0°至180°之间的范围。
6.根据权利要求1所述的集成光学电路，其中，所述光学电路被配置为根据所述突触的加权因子来执行可变相移。
7.根据权利要求1所述的集成光学电路，包括功率归一化单元，所述功率归一化单元被配置为对所述相位编码的光学输出信号的输出功率进行归一化。
8.根据权利要求7所述的集成光学电路，其中，所述功率归一化单元包括放大器和饱和吸收器。
9.根据权利要求3所述的集成光学电路，其中，所述可调衰减器被实现为可调吸收器。
10.根据权利要求3所述的集成光学电路，其中，所述光学干涉仪包括单模干涉仪或多模干涉仪。
11.根据权利要求3所述的集成光学电路，其中，所述相移设备包括非线性材料，所述非线性材料提供非线性屈光度-折射率指数转换。
12.根据权利要求11所述的集成光学电路，其中所述非线性材料选自：BaTiO3、LiNbO3、铁电钙钛矿、具有非线性光学特性的聚合物、硫族化物和III-V族化合物半导体。
13.根据权利要求3所述的集成光学电路，其中，所述相移设备包括相变材料。
14.根据权利要求13所述的集成光学电路，其中，所述相变材料选自：VO2、V4O7、V6O11、V2O3、V6O13、V5O9、VO、V8O15、NbO2、Ti2O3、LaCoO3、Ti3O5、SmNiO3、NdNiO3、PrNiO3、Fe3O4和硫属化物。
15.根据权利要求3所述的集成光学电路，其中所述相移设备是等离子体色散调制器。
16.根据权利要求3所述的集成光学电路，其中，所述相移设备包括：
包含非线性材料的光学腔；以及
栅极波导，所述栅极波导耦合到所述光学腔，并被配置为将所述加权干涉信号引导到所述光学腔，并根据所述加权干涉信号的光功率来改变所述非线性材料的折射率；
其中，所述光学腔配置为：
接收所述光学参考信号；
在所述光学参考信号中引起相移；以及
提供所述相位编码的光学输出信号。
17.一种用于模拟突触功能的方法，所述方法包括：
提供集成光学电路；
通过所述集成光学电路处理相位编码的光学输入信号；
通过所述集成光学电路模拟关于所述相位编码的光学输入信号的突触功能；以及
通过所述集成光学电路，提供相位编码的光学输出信号。
18.根据权利要求17所述的方法，所述方法包括：
将所述相位编码的光学输入信号转换成振幅编码的信号；
执行所述振幅编码的信号的加权；以及
将所述加权的振幅编码的信号转换为所述相位编码的光学输出信号。
19.根据权利要求17所述的方法，所述方法包括：
通过参考波导承载光学参考信号；
通过输入波导接收所述相位编码的光学输入信号，其中所述光学参考信号与所述光学输入信号之间的相位差代表所述相位编码的输入信号的相位；
通过光干涉仪将光学参考信号和光学输入信号通过叠加转换为干涉信号；
通过可调衰减器加权干涉信号，从而将其转换为加权干涉信号；以及
通过相移设备根据所述加权干涉信号在所述光学参考信号中引起相移，将所述加权干涉信号转换为所述相位编码的光学输出信号。
20.有形地体现在机器可读介质中的设计结构，用于设计、制造或测试集成光学电路，所述设计结构包括：
光学电路被配置为：
处理相位编码的光学输入信号；以及
提供相位编码的光学输出信号，所述相位编码的输出信号相对于所述相位编码的光学输入信号模拟了突触功能。
21.根据权利要求20所述的设计结构，所述设计结构包括：
参考波导，所述参考波导被配置为承载光学参考信号；
输入波导，所述输入波导被配置为接收所述相位编码的光学输入信号，其中所述光学参考信号和所述光学输入信号之间的相位差表示所述相位编码的光学输入信号的相位；
输出波导；
光学干涉仪，所述光学干涉仪被配置为通过叠加将所述光学参考信号和所述光学输入信号转换为干涉信号；
可调谐衰减器，所述可调谐衰减器被配置为执行所述干涉信号的加权得到加权干涉信号；以及
相移设备，所述相移设备被配置为通过作为所述加权干涉信号的函数在所述光学参考信号中引起相移而将所述加权干涉信号转换为所述相位编码的光学输出信号。
22.一种光学神经网络，包括：
作为突触的多个集成光学电路，所述集成光学电路的至少一个子集的每个被配置为：
处理相位编码的光学输入信号；以及
根据所述相位编码的光学输入信号来提供相位编码的光学输出信号，所述相位编码的光学输出信号相对于所述相位编码的光学输入信号模拟突触功能。
23.根据权利要求22所述的光学神经网络，包括作为神经元电路的多个另外的集成光学电路，所述神经元电路的至少一个子集中的每个被配置为：
处理多个相位编码的光学输入信号；以及
提供相位编码的光学输出信号，所述相位编码的光学输出信号相对于多个相位编码的光学输入信号模拟神经元功能。
24.根据权利要求23所述的光学神经网络，所述神经元电路的至少一个子集的每个被配置为：
将所述多个相位编码的光学输入信号转换成所多个振幅编码的信号；
将所述多个振幅编码的信号组合成求和信号；以及
执行所述求和信号的非线性转换得到所述相位编码的光学输出信号。
25.根据权利要求23所述的光学神经网络，所述神经元电路的至少一个子集的每个包括：
参考波导，所述参考波导被配置为承载光学参考信号；
多个输入波导，所述多个输入波导被配置为接收所述多个相位编码的光学输入信号，其中，所述光学参考信号和所述光学输入信号之间的相位差代表所述各个相位编码的光学输入信号的所述各个相位；
输出波导；
光学干涉仪系统，其被配置为：
将所述多个光学输入信号和所述光学参考信号叠加为多个第一干涉信号；
将所述多个第一干涉信号叠加为第二干涉信号；以及
相移设备，所述相移设备被配置为作为所述第二干涉信号的函数提供所述相位编码的光学输出信号。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US15/953,436 US11521055B2 (en) | 2018-04-14 | 2018-04-14 | Optical synapse |
| US15/953,436 | 2018-04-14 | ||
| PCT/EP2019/057194 WO2019197135A1 (en) | 2018-04-14 | 2019-03-22 | Optical synapse |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111971696A true CN111971696A (zh) | 2020-11-20 |
| CN111971696B CN111971696B (zh) | 2024-04-12 |
Family
ID=65904440
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201980025582.XA Active CN111971696B (zh) | 2018-04-14 | 2019-03-22 | 光学突触 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US11521055B2 (zh) |
| EP (1) | EP3782085A1 (zh) |
| JP (1) | JP7239601B2 (zh) |
| CN (1) | CN111971696B (zh) |
| WO (1) | WO2019197135A1 (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11521055B2 (en) * | 2018-04-14 | 2022-12-06 | International Business Machines Corporation | Optical synapse |
| CN110852431B (zh) * | 2019-11-05 | 2023-03-31 | 联合微电子中心有限责任公司 | 一种光子人工智能计算芯片的数字式信号调制方法 |
| US11797836B1 (en) * | 2019-12-23 | 2023-10-24 | Waymo Llc | Sensor-integrated neural network |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106030619A (zh) * | 2014-02-20 | 2016-10-12 | 高通股份有限公司 | 用于坐标变换的相位编码 |
| US20170116514A1 (en) * | 2015-10-26 | 2017-04-27 | International Business Machines Corporation | Optical synapse for neuromorphic networks |
| CN106997485A (zh) * | 2016-01-26 | 2017-08-01 | 三星电子株式会社 | 基于神经网络的识别设备和训练神经网络的方法 |
| US20170351293A1 (en) * | 2016-06-02 | 2017-12-07 | Jacques Johannes Carolan | Apparatus and Methods for Optical Neural Network |
Family Cites Families (37)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5355435A (en) * | 1992-05-18 | 1994-10-11 | New Mexico State University Technology Transfer Corp. | Asynchronous temporal neural processing element |
| JP2507911B2 (ja) * | 1993-04-26 | 1996-06-19 | 東京農工大学長 | ネマティック液晶クラッドを用いた光導波路型シナプス荷重変調器 |
| JPH07210530A (ja) * | 1994-01-20 | 1995-08-11 | Hitachi Ltd | 光ニューラルネット |
| HUP0003927A2 (hu) * | 1997-06-11 | 2001-02-28 | University Of Southern California | Dinamikus szinapszis neuronhálózatokban történő jelfeldolgozáshoz |
| US7398259B2 (en) * | 2002-03-12 | 2008-07-08 | Knowmtech, Llc | Training of a physical neural network |
| US7401058B2 (en) * | 2004-04-29 | 2008-07-15 | University Of Massachusetts | Artificial neuron with phase-encoded logic |
| US9269042B2 (en) * | 2010-09-30 | 2016-02-23 | International Business Machines Corporation | Producing spike-timing dependent plasticity in a neuromorphic network utilizing phase change synaptic devices |
| US10534189B2 (en) * | 2012-11-27 | 2020-01-14 | The Board Of Trustees Of The Leland Stanford Junior University | Universal linear components |
| JP6308452B2 (ja) | 2013-09-05 | 2018-04-11 | 本田技研工業株式会社 | 計測装置、計測システム、計測方法、及び計測プログラム |
| GB2525427A (en) * | 2014-04-24 | 2015-10-28 | Ibm | Waveguide structure |
| US9354039B2 (en) * | 2014-06-06 | 2016-05-31 | Massachusetts Institute Of Technology | Methods, systems, and apparatus for programmable quantum photonic processing |
| US9753224B2 (en) * | 2015-03-25 | 2017-09-05 | The Board Of Trustees Of The Leland Stanford Junior University | Field-programmable optical component |
| US9413372B1 (en) * | 2015-07-30 | 2016-08-09 | The Aerospace Corporation | Systems and methods for converting radio frequency signals into the digital domain using multi-mode optics |
| US10429580B2 (en) * | 2015-08-27 | 2019-10-01 | Bar-Ilan University | Multi optically-coupled channels module and related methods of computation |
| US20180267386A1 (en) * | 2015-09-18 | 2018-09-20 | Oxford University Innovation Ltd. | Photonic device |
| US10395168B2 (en) * | 2015-10-26 | 2019-08-27 | International Business Machines Corporation | Tunable optical neuromorphic network |
| PL3539127T3 (pl) | 2016-11-08 | 2021-04-19 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Moduł downmixu i sposób downmixu co najmniej dwóch kanałów oraz koder wielokanałowy i dekoder wielokanałowy |
| US10095262B2 (en) * | 2016-12-12 | 2018-10-09 | The Aerospace Corporation | Systems and methods for performing linear algebra operations using multi-mode optics |
| US11258415B2 (en) * | 2017-01-25 | 2022-02-22 | Government Of The United States Of America, As Represented By The Secretary Of Commerce | Neuromimetic circuit |
| US11283002B2 (en) * | 2017-01-25 | 2022-03-22 | Government Of The United States Of America, As Represented By The Secretary Of Commerce | Josephson junction circuits for single-photon optoelectronic neurons and synapses |
| US20190391415A1 (en) * | 2017-01-25 | 2019-12-26 | Asemma MOHANTY | Thermally tunable low broadband waveguides and related systems and methods |
| US10338630B2 (en) * | 2017-04-03 | 2019-07-02 | International Business Machines Corporation | Optical computing system |
| US10634851B2 (en) * | 2017-05-17 | 2020-04-28 | Massachusetts Institute Of Technology | Apparatus, systems, and methods for nonblocking optical switching |
| WO2018219836A1 (en) * | 2017-05-29 | 2018-12-06 | Universiteit Gent | Object classification system and method |
| US11017309B2 (en) * | 2017-07-11 | 2021-05-25 | Massachusetts Institute Of Technology | Optical Ising machines and optical convolutional neural networks |
| US11144821B2 (en) * | 2017-08-30 | 2021-10-12 | The Regents Of The University Of California | Implementing a neuromorphic computing system using nanophotonic neurons |
| US11138501B2 (en) * | 2018-02-22 | 2021-10-05 | International Business Machines Corporation | Hardware-implemented training of an artificial neural network |
| US11270200B2 (en) * | 2018-02-26 | 2022-03-08 | Nec Corporation | Single-step nonlinearity compensation using artificial intelligence for digital coherent transmission systems |
| US10884315B2 (en) * | 2018-03-20 | 2021-01-05 | International Business Machines Corporation | Integrated optical transmission element |
| CN112041857B (zh) * | 2018-03-27 | 2024-10-29 | 巴伊兰大学 | 光学神经网络单元以及光学神经网络配置 |
| US11392830B2 (en) * | 2018-04-13 | 2022-07-19 | The Regents Of The University Of California | Devices and methods employing optical-based machine learning using diffractive deep neural networks |
| US11521055B2 (en) * | 2018-04-14 | 2022-12-06 | International Business Machines Corporation | Optical synapse |
| US11157807B2 (en) * | 2018-04-14 | 2021-10-26 | International Business Machines Corporation | Optical neuron |
| US10833770B2 (en) * | 2018-06-22 | 2020-11-10 | Nec Corporation | Optical fiber nonlinearity compensation using neural networks |
| US10627849B1 (en) * | 2018-10-08 | 2020-04-21 | The Aerospace Corporation | Reservoir computing operations using multi-mode photonic integrated circuits |
| US20220044100A1 (en) * | 2019-07-31 | 2022-02-10 | The Regents Of The University Of California | Parallel architectures for nanophotonic computing |
| US11255656B2 (en) * | 2020-03-02 | 2022-02-22 | Massachusetts Institute Of Technology | Phase cancellation microscopy |
-
2018
- 2018-04-14 US US15/953,436 patent/US11521055B2/en active Active
-
2019
- 2019-03-22 JP JP2020549560A patent/JP7239601B2/ja active Active
- 2019-03-22 EP EP19713004.0A patent/EP3782085A1/en active Pending
- 2019-03-22 CN CN201980025582.XA patent/CN111971696B/zh active Active
- 2019-03-22 WO PCT/EP2019/057194 patent/WO2019197135A1/en unknown
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106030619A (zh) * | 2014-02-20 | 2016-10-12 | 高通股份有限公司 | 用于坐标变换的相位编码 |
| US20170116514A1 (en) * | 2015-10-26 | 2017-04-27 | International Business Machines Corporation | Optical synapse for neuromorphic networks |
| CN106997485A (zh) * | 2016-01-26 | 2017-08-01 | 三星电子株式会社 | 基于神经网络的识别设备和训练神经网络的方法 |
| US20170351293A1 (en) * | 2016-06-02 | 2017-12-07 | Jacques Johannes Carolan | Apparatus and Methods for Optical Neural Network |
Non-Patent Citations (1)
| Title |
|---|
| ZENGGUANG CHENG等: "On-chip photonic synapse", SCIENCE ADVANCES, vol. 3, no. 9, pages 1 - 6, XP055596274, DOI: 10.1126/sciadv.1700160 * |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2019197135A1 (en) | 2019-10-17 |
| JP2021518596A (ja) | 2021-08-02 |
| CN111971696B (zh) | 2024-04-12 |
| EP3782085A1 (en) | 2021-02-24 |
| JP7239601B2 (ja) | 2023-03-14 |
| US20190318233A1 (en) | 2019-10-17 |
| US11521055B2 (en) | 2022-12-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111971695B (zh) | 光学神经元 | |
| Fiers et al. | Nanophotonic reservoir computing with photonic crystal cavities to generate periodic patterns | |
| Lee et al. | Mechanical neural networks: Architected materials that learn behaviors | |
| CN111971696B (zh) | 光学突触 | |
| US10395168B2 (en) | Tunable optical neuromorphic network | |
| CN109477938A (zh) | 用于光学神经网络的设备和方法 | |
| Youssry et al. | Modeling and control of a reconfigurable photonic circuit using deep learning | |
| Shao et al. | Generalized robust training scheme using genetic algorithm for optical neural networks with imprecise components | |
| Gu et al. | Neurolight: A physics-agnostic neural operator enabling parametric photonic device simulation | |
| Dong et al. | Application of fractional theory in quantum back propagation neural network | |
| Qu et al. | Resonance for analog recurrent neural network | |
| Jalali et al. | Physics-AI symbiosis | |
| Di Giovanni et al. | Finding multiple solutions of odes with neural networks | |
| Jahannia et al. | An efficient optical-based binary neural network hardware accelerator for harsh environments | |
| Zhao et al. | On-chip reconfigurable optical neural networks | |
| Momeni et al. | Training of Physical Neural Networks | |
| Shen et al. | On-chip optical neuromorphic computing | |
| Huang et al. | End‐to‐end inverse modeling and optimization for filters based on artificial neural network | |
| Bhat | Learning and interpreting potentials for classical Hamiltonian systems | |
| Marquez et al. | Neuromorphic silicon photonics for artificial intelligence | |
| Wang et al. | Asymmetrical estimator for training grey-box deep photonic neural networks | |
| Agarwal et al. | Convergence of backpropagation with momentum for network architectures with skip connections | |
| Musgrave et al. | Fourier Domain Physics Informed Neural Network | |
| Tang et al. | Orthogonal matching pursuit for multilayer perceptions neural networks model reduction | |
| Nakajima et al. | Neural Schr\"{o} dinger Equation: Physical Law as Neural Network |
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 |