CN113325650B - 一种光学电路、光信号处理方法、装置及可读存储介质 - Google Patents

一种光学电路、光信号处理方法、装置及可读存储介质 Download PDF

Info

Publication number
CN113325650B
CN113325650B CN202110591610.3A CN202110591610A CN113325650B CN 113325650 B CN113325650 B CN 113325650B CN 202110591610 A CN202110591610 A CN 202110591610A CN 113325650 B CN113325650 B CN 113325650B
Authority
CN
China
Prior art keywords
optical
mzi
convolution
optical signal
input
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
CN202110591610.3A
Other languages
English (en)
Other versions
CN113325650A (zh
Inventor
吴睿振
王凛
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.)
Inspur Computer Technology Co Ltd
Original Assignee
Shandong Yunhai Guochuang Cloud Computing Equipment Industry Innovation Center 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 Shandong Yunhai Guochuang Cloud Computing Equipment Industry Innovation Center Co Ltd filed Critical Shandong Yunhai Guochuang Cloud Computing Equipment Industry Innovation Center Co Ltd
Priority to CN202110591610.3A priority Critical patent/CN113325650B/zh
Publication of CN113325650A publication Critical patent/CN113325650A/zh
Application granted granted Critical
Publication of CN113325650B publication Critical patent/CN113325650B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Nonlinear Science (AREA)
  • Computing Systems (AREA)
  • Optics & Photonics (AREA)
  • Discrete Mathematics (AREA)
  • Optical Modulation, Optical Deflection, Nonlinear Optics, Optical Demodulation, Optical Logic Elements (AREA)
  • Optical Communication System (AREA)

Abstract

本申请公开了一种光学电路、光信号处理方法、装置、设备及可读存储介质，该光学电路包括：第一MZI的一个光输出端连接第三MZI的一个光输入端；第二MZI的一个光输出端连接第三MZI的另一个光输入端；第一MZI的两个光输入端，及第二MZI的两个光输入端分别接入与2乘2卷积待乘序列对应的光信号；第一MZI、第二MZI和第三MZI分别对自身的输入光信号进行移相，以进行卷积计算；第三MZI的一个光输出端输出携带卷积结果的光信号。本申请所提供的光学电路中MZI的数量更少，结构更为简单，相比Gridnet方式实现的2x2的卷积运算能省掉一半的时间损耗和器材损耗，能够加快卷积计算速度，还可以简化光学器件结构。

Description

一种光学电路、光信号处理方法、装置及可读存储介质
技术领域
本申请涉及计算机应用技术领域，特别是涉及一种光学电路、光信号处理方法、装置及可读存储介质。
背景技术
近年来，人们对光计算技术的需求迅速增加。光计算可以分为模拟光计算和数字光计算。模拟光计算最典型的一个例子就是傅立叶运算，在图像处理等领域需要运用傅立叶变换相关的计算，如卷积计算。用传统计算机来计算傅立叶变换是非常消耗计算量的，而光通过透镜的过程，本身就是一次傅立叶变换的过程，这个过程几乎完全不需要时间。数字光计算是利用光和光学器件组合形成经典的逻辑门，构建类似传统数字电子计算原理的计算系统，通过复杂的逻辑门组合操作实现计算。
通过MZI(Mach–Zehnder interferometer，马赫曾德尔干涉仪)实现光运算的方式具有易于控制的特点，是现今工业界采用最多的方法，而相应的基于MZI的ONN(opticalneural network，光子神经网络)中卷积的实现方式即是其中的研究热点。基于Gridnet(常见MZI链接的一种方式，基于Gridnet网络结构的思路来做运算)方式的MZI卷积实现方式，每实现一个2x2的卷积运算需要使用6个MZI器件。在图像处理等领域，卷积计算的量往往较大，每一个2x2的卷积运算需要使用6个MZI器件，则要实现大量的卷积计算往往需要大量时间或大量MZI器件的叠加。而无论是耗费大量时间无法达到快速处理的效率，而叠加大量MZI器件，则会使得整体计算系统庞大而复杂，不利用实现。
综上所述，如何有效地解决卷积计算等问题，是目前本领域技术人员急需解决的技术问题。
发明内容
本申请的目的是提供一种光学电路、光信号处理方法、装置及可读存储介质，在该光学电路中仅需3个MZI，便可实现2x2的卷积运算，显然，该光学电路相比Gridnet方式实现的2x2的卷积运算能省掉一半的时间损耗和器材损耗，不仅可以加快卷积计算速度，还可以简化光学器件结构。
为解决上述技术问题，本申请提供如下技术方案：
一种光学电路，包括：
第一MZI的一个光输出端连接第三MZI的一个光输入端；
所述第二MZI的一个光输出端连接所述第三MZI的另一个光输入端；
所述第一MZI的两个光输入端，及所述第二MZI的两个光输入端分别接入与2乘2卷积待乘序列对应的光信号；
所述第一MZI、所述第二MZI和所述第三MZI分别对自身的输入光信号进行移相，以进行卷积计算；
所述第三MZI的一个光输出端输出携带卷积结果的光信号。
优选地，包括：
所述第一MZI、所述第二MZI和所述第三MZI均包括第一光输入端、第二光输入端、第一光输出端和第二光输出端；
在每个MZI中，所述第一光输出端对应的输出光信号：jejθ(L1sinθ+L2cosθ)，所述第二光输出端对应的输出光信号：jejθ(L1cosθ-L2sinθ)，其中，L1对应所述第一光输入端的输入光信号，L2对应所述第二光输入端的输入光信号，2θ对应所述MZI的移相角。
优选地，包括：
所述第一MZI以第一光输出端与所述第三MZI的第一光输入端连接，所述第二MZI以第一光输出端与所述第三MZI的第二光输入端连接，所述第三MZI的第一光输出端输出携带卷积结果的光信号。
优选地，包括：
所述第一MZI以第一光输出端与所述第三MZI的第一光输入端连接，所述第二MZI以第二光输出端与所述第三MZI的第二光输入端连接，所述第三MZI的第二光输出端输出携带卷积结果的光信号。
优选地，包括：
所述第一MZI以第二光输出端与所述第三MZI的第一光输入端连接，所述第二MZI以第二光输出端与所述第三MZI的第二光输入端连接，所述第三MZI的第二光输出端输出携带卷积结果的光信号。
一种光信号处理方法，包括：
获取2乘2卷积待乘序列；
将所述2乘2卷积待乘序列对应转换为光信号；
利用如上述的光学电路，对所述光信号进行卷积计算处理，得到携带卷积结果的光信号；
对所述携带卷积结果的光信号进行光电转换，得到2乘2卷积计算结果。
优选地，所述获取2乘2卷积待乘序列，包括：
获取多维卷积待乘序列，对多维卷积待乘序列进行降维，得到所述2乘2卷积待乘序列。
优选地，将所述2乘2卷积待乘序列对应转换为光信号，包括：
将所述2乘2卷积待乘序列转换为4路光信号；
相应地，所述利用上述的光学电路，对所述光信号进行卷积计算处理，得到携带卷积结果的光信号，包括：
将所述4路光信号分别输入至所述光学电路中第一MZI的两个光输入端，及所述第二MZI的两个光输入端；
利用所述第一MZI、所述第二MZI和所述第三MZI分别对自身的输入光信号进行移相，以进行卷积计算；
从所述第三MZI的一个光输出端得到所述携带卷积结果的光信号。
一种光信号处理装置，包括：
数据获取模块，用于获取2乘2卷积待乘序列；
信号转换模块，用于将所述2乘2卷积待乘序列对应转换为光信号；
光学卷积处理模块，用于利用如上述的光学电路，对所述光信号进行卷积计算处理，得到携带卷积结果的光信号；
卷积结果解析模块，用于对所述携带卷积结果的光信号进行光电转换，得到2乘2卷积计算结果。
一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述光信号处理方法的步骤。
本申请所提供的光学电路，包括：第一MZI的一个光输出端连接第三MZI的一个光输入端；第二MZI的一个光输出端连接第三MZI的另一个光输入端；第一MZI的两个光输入端，及第二MZI的两个光输入端分别接入与2乘2卷积待乘序列对应的光信号；第一MZI、第二MZI和第三MZI分别对自身的输入光信号进行移相，以进行卷积计算；第三MZI的一个光输出端输出携带卷积结果的光信号。
显然，本申请所提供的光学电路中仅需3个MZI，相对于基于Gridnet(网络组成)方式的MZI卷积实现方式需6个MZI而言，本申请所提供的光学电路中MZI的数量减少一半。从MZI之间的连接关系来看，本申请所提供的光学电路的连接关系更为简单。由于MZI的数量减少一半，结构更为简单，该光学电路相比Gridnet方式实现的2x2的卷积运算能省掉一半的时间损耗和器材损耗，能够加快卷积计算速度，还可以简化光学器件结构。
应用本申请所提供的方法，该方法包括：获取2乘2卷积待乘序列；将2乘2卷积待乘序列对应转换为光信号；利用如本申请所提供的光学电路，对光信号进行卷积计算处理，得到携带卷积结果的光信号；对携带卷积结果的光信号进行光电转换，得到2乘2卷积计算结果。
在该方法中，在进行2乘2卷积计算时，采用了本申请所提供的光学电路。基于该光学电路本身相比Gridnet方式实现的2x2的卷积运算能省掉一半的时间损耗和器材损耗，能够加快卷积计算速度，还可以简化光学器件结构。该方法也对应具有能够加快卷积计算速度，还可以简化光学器件结构的特点。能够有效提升采用光学卷积计算的设备或应用的性能。
相应地，本申请实施例还提供了与上述光信号处理方法相对应的光信号处理装置和可读存储介质，具有上述技术效果，在此不再赘述。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关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申请的一些实施例，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，还可以根据这些附图获得其他的附图。
图1为本申请实施例中一种光学电路的示意图；
图2为MZI的具体结构示意图；
图3为本申请实施例中另一种光学电路的示意图；
图4为本申请实施例中另一种光学电路的示意图；
图5为一种实现2乘2卷积的光学电路示意图；
图6为本申请实施例中一种光信号处理方法的实施流程图；
图7为本申请实施例中一种光信号处理装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面结合附图和具体实施方式对本申请作进一步的详细说明。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
请参考图1，图1为本申请实施例中一种光学电路的示意图，该光学电路包括：
第一MZI的一个光输出端连接第三MZI的一个光输入端；
第二MZI的一个光输出端连接第三MZI的另一个光输入端；
第一MZI的两个光输入端，及第二MZI的两个光输入端分别接入与2乘2卷积待乘序列对应的光信号；
第一MZI、第二MZI和第三MZI分别对自身的输入光信号进行移相，以进行卷积计算；
第三MZI的一个光输出端输出携带卷积结果的光信号。
在图1、图3和图4中，左上角MZI为第一MZI，左下角MZI为第二MZI，右侧MZI为第三MZI。
需要注意的是，对于上述第一MZI、第二MZI和第三MZI的结构可完全相同。具体的，第一MZI、第二MZI和第三MZI的结结构可具体参照图2，图2为MZI结构示意图。其中，L1和L2是MZI的光输入端，所输出的光是L1’和L2’。MZI可以将双端口的光功率按一定比例耦合到另一个双端口，分光比为50:50；2θ是移相器的移相角度，具有可编程功能。通常可以使用几种方式来实现可编程的移相器。例如，在一段波导材料上镀上金属薄膜，通过施加外部电压控制金属薄膜加热器导致波导温度变化来改变折射率，实现移相；此外还可以利用等离子体弥散效应(改变电子和空穴的浓度)和电光效应改变波导折射率来引入移相。
为了便于描述，在本文中，将图2所示的L1对应的光输入端称之为第一光输入端，将L2称之为第二光输入端，L1’对应的光输出端称之为第一光输出端，L2’对应的光输出端称之为第二光输出端。
即，第一MZI、第二MZI和第三MZI均包括第一光输入端、第二光输入端、第一光输出端和第二光输出端；
在每个MZI中，第一光输出端对应的输出光信号：jejθ(L1 sinθ+L2 cosθ)，第二光输出端对应的输出光信号：jejθ(L1 cosθ-L2 sinθ)，其中，L1对应第一光输入端的输入光信号，L2对应第二光输入端的输入光信号，2θ对应MZI的移相角。
在本实施例中，该光学电路的具体连接结构包括以下结构：
具体电路结构1：请参考图1，第一MZI以第一光输出端L1’与第三MZI的第一光输入端连接，第二MZI以第一光输出端L3’与第三MZI的第二光输入端连接，第三MZI的第一光输出端Ll”输出携带卷积结果的光信号。
其中，第一MZI的第一光输入端L1，第一MZI的第二光输入端L2，第一MZI的第二光输出端L2’，第二MZI的第一光输入端L3，第二MZI的第二光输入端L4，第二MZI的第二光输出端L4’。需要注意的是，对于图3和图4中各个MZI的光输入端和光输出端的次序可参照与此，在此不再一一赘述。
具体电路结构2：请参考图3，第一MZI以第一光输出端与第三MZI的第一光输入端连接，第二MZI以第二光输出端与第三MZI的第二光输入端连接，第三MZI的第二光输出端输出携带卷积结果的光信号。
具体电路结构3：请参考图4，第一MZI以第二光输出端与第三MZI的第一光输入端连接，第二MZI以第二光输出端与第三MZI的第二光输入端连接，第三MZI的第二光输出端输出携带卷积结果的光信号。
对比电路结构1、电路结构2和电路结构3，可见本申请提供的光学电路的主要由3个MZI组成，选取第一MZI和第二MZI的不同输入端与第三MZI的输入端连接，最终携带卷积结构的光信号也随之变化。
下面对本申请所提供的光学电路能够实现2乘2卷积计算进行论证。
为便于理解，首先对MZI的特性进行解释说明，请参考图2，以及对现有的2乘2卷积实现电路进行简要说明，请参考图5。考虑到L1和L2的表达方式，设其A为振幅，ω为频率，t为时间，θ1和θ2为其初始相位。可得：
Figure BDA0003089483490000071
因为在光电转换中，可以识别的仅有光的实部，虚部表示的是传输过程中的能量损耗，因此上式可以进一步通过欧拉公式转换为：
Figure BDA0003089483490000072
其中，Re表示实部。L1和L2在进入MZI后，可知光中所含能量会通过耦合器转移到输出的两个端口对应的光信号上，因此其振幅则为原本的
Figure BDA0003089483490000073
S1,S2,S3,S4为在MZI中进行运算后分别经过分光臂，调相器等器件的输出状态，所起名字对应state1-4(即状态1-4)，在器件中并不实际存在接口。因此图2中的L1和L2与S1和S2的关系可以通过公式表示为：
Figure BDA0003089483490000074
基于耦合器关系，可知
Figure BDA0003089483490000075
和[S1，S2]T的对应关系为：
Figure BDA0003089483490000077
其中，
Figure BDA0003089483490000078
是光信号L的实部，如果涉及到光电转换，就只能观测到实部，如果不涉及光电转换，而继续进行MZI的运算，就既有实部又有虚部。
再基于MZI的衰减器工作方式，以及图2关系，可以得到S3,S4的表示为：
Figure BDA0003089483490000081
结合以上运算，对公式进行结合，最终可以得到这样的运算下L1,L2和对应的L1’和L2’的计算关系：
Figure BDA0003089483490000082
可以将下式
Figure BDA0003089483490000083
的矩阵转化为左边卷积核运算的待乘数序列可表示为：
Figure BDA0003089483490000084
基于Gridnet方式的MZI，2x2卷积实现电路结构如图5所示。
待乘序列的每一行数据可以作为L1-L4四个输入，分别输入MZI，然后通过这样固定的连接方式，最终调整卷积网络运算weight值到移相器2θ的映射，来实现卷积匀速。
结合图5，所需要映射到2θ的使下式中的卷积核weight值：
Figure BDA0003089483490000085
下面以图1的电路结构为例，对本申请所提供的光学电路的可行性进行说明。
首先，基于
Figure BDA0003089483490000091
的关系推得如图1所示的L1'-L4'，其中的移相器设值如图1所示。可以得到：
Figure BDA0003089483490000092
Figure BDA0003089483490000093
Figure BDA0003089483490000094
Figure BDA0003089483490000095
然后按照图1的链接关系推导得到L1”：
Figure BDA0003089483490000096
所以，对上式做欧拉公式转换：
L1”＝L1cos(θ3+θ1)sinθ1sinθ3+L2cos(θ3+θ1)cosθ1sinθ3+L3cos(θ3+θ2)sinθ2cosθ3+L4cos(θ3+θ2)cosθ2cosθ3
＝L1(cosθ3cosθ1sinθ1sinθ3-sinθ3sinθ1sinθ1sinθ3)+L2(cosθ3cosθ1cosθ1sinθ3-sinθ3sinθ1cosθ1sinθ3)+L3(cosθ3cosθ2sinθ2cosθ3-sinθ3sinθ2sinθ2cosθ3)+L4(cosθ3cosθ2cosθ2cosθ3-sinθ3sinθ2cosθ2cosθ3)
为方便得到weight的映射关系，对上式利用双曲正切函数进行设置：
Figure BDA0003089483490000097
其中m表示的是调相器所对应的能够调整的相位角，对其进行替代可得：
Figure BDA0003089483490000101
上式中的L1-L4表示的是完成数据映射后的待卷积运算值。以卷积运算关系可知，L1-L4右边乘以的方程即是卷积的weight值需要映射到所提出的2x2卷积实现方案的调相对应值。
假设对应的四个weight值已确定，分别是W1-W4，则可得到其分别的表达式如下：
Figure BDA0003089483490000102
Figure BDA0003089483490000103
Figure BDA0003089483490000104
Figure BDA0003089483490000111
因为上述表达式中的分母一定大于0，因此可知其不会破坏公式成立的条件，因此简化为约等后的表达形式。
观察公式后，做运算：
Figure BDA0003089483490000112
Figure BDA00030894834900001111
基于构造关系，假设
Figure BDA0003089483490000113
假如
Figure BDA0003089483490000114
不成立，则是W3 W4为0，则可得到唯一解。如果成立，则得到上式的关系。
因为
Figure BDA0003089483490000115
所以一定有自然数解，可以得到x2。
同理考虑W1和W2：
Figure BDA0003089483490000116
可以以相同方式得到x1的解。
此时，需要得到在已知x1和x2的前提下，得到可满足条件的x3。
因为上述表达式中，底都有
Figure BDA0003089483490000117
其值大于1，因此对W统一乘以
Figure BDA0003089483490000118
消掉未知数，然后考虑x1和x2已知，因此可以对公式进行转换有：
Figure BDA0003089483490000119
进行联立：
设
Figure BDA00030894834900001110
Figure BDA0003089483490000121
所以可以联立为一个在x1和x2已知数的前提下的一元四次方程：
[(1+a2)2(1-2b2)-4k(1+b2)2(2a+1-b2)(a2-1)]x4+[4b(1-b2)(1+a2)2+16ak(1+b2)2(2a+1-b2)]x3+[(1+a2)2(-2b4+4b2-2b-2)-4k(1+b2)2(1-a2)(2a+1-b2)]x2+[(1+a2)24b(b2-1)]x+(1+a2)2(2b+1-2b2)＝0
从以上推导关系可知，当k＝0时有固定解。需要考虑除了k＝0以外任意情况，则从上式中利用天珩公式进行转换，可以得到：
Ta＝(1+a2)2(1-2b2)-4k(1+b2)2(2a+1-b2)(a2-1)；
Tb＝4b(1-b2)(1+a2)2+16ak(1+b2)2(2a+1-b2)；
Tc＝(1+a2)2(-2b4+4b2-2b-2)-4k(1+b2)2(1-a2)(2a+1-b2)；
Td＝(1+a2)24b(b2-1)；
Te＝(1+a2)2(2b+1-2b2)
D＝3Tb2-8TaTc
F＝3Tb4+16Ta2Tc2-16TaTb2Tc+16Ta2TbTd-64Ta3Te
E＝-Tb3+4TaTbTc-8Ta2Td
A＝D2-3F
B＝DF-9E2
C＝F2-3DE2
Δ＝B2-4AC
须知当且仅当Δ＜0且D*F＜0时一元四次方程没有实根。
考虑到只有W1…W4对应weight，是唯一可以有固定关系对应卷积运算的参数，因此将上述的a,b,k换成利用W1…W4表示求天珩公式的Δ和D*F。可知在卷积的范围内一定有解，且解可利用天珩公式求得。求得x1,x2,x3。然后根据三角函数特性可得：
θ1＝2*arctan(x1)
θ2＝2*arctan(x2)
θ3＝2*arctan(x3)
即按照所计算出的θ1，θ2，θ3对MZI的移相器进行编程赋值，则完成移相角度配置，即可在本申请所提供的光学电路上实现2乘2卷积计算。
相对应，利用以上推论及关系，可以论证图3和图4所示的光学电路上实现2乘2卷积计算。具体的，可以选择θ1和θ2对应各一路MZI输出后，接入对应的θ3的MZI，然后通过上述运算关系，即可得到对应相位角，实现任意需求的卷积运算。
因此，本申请所提出的光学电路一定有解可以映射2x2的卷积运算，映射值的求法可使用天珩公式运算，无需如Gridnet一样进行FFT的定点化拟合。因而本申请提出的结构相比Gridnet明显能省掉一半的损耗，实现更为准确的运算。
应用本申请所提供的光学电路，包括：第一MZI的一个光输出端连接第三MZI的一个光输入端；第二MZI的一个光输出端连接第三MZI的另一个光输入端；第一MZI的两个光输入端，及第二MZI的两个光输入端分别接入与2乘2卷积待乘序列对应的光信号；第一MZI、第二MZI和第三MZI分别对自身的输入光信号进行移相，以进行卷积计算；第三MZI的一个光输出端输出携带卷积结果的光信号。
显然，本申请所提供的光学电路中仅需3个MZI，相对于基于Gridnet(网络组成)方式的MZI卷积实现方式需6个MZI而言，本申请所提供的光学电路中MZI的数量减少一半。从MZI之间的连接关系来看，本申请所提供的光学电路的连接关系更为简单。由于MZI的数量减少一半，结构更为简单，该光学电路相比Gridnet方式实现的2x2的卷积运算能省掉一半的时间损耗和器材损耗，能够加快卷积计算速度，还可以简化光学器件结构。
请参考图6，图6为本申请实施例中一种光信号处理方法的流程图，该方法包括以下步骤：
S101、获取2乘2卷积待乘序列。
在本实施例中，可以获取2乘2卷积对应的待乘序列。具体的，可以通过直接从可读存储介质中读取的方式获得，也可以通过接收其他设备发送的方式获得。
优选地，考虑到在实际应用中，多维卷积也较为常见，因而获取2乘2卷积待乘序列，可以具体包括：获取多维卷积待乘序列，对多维卷积待乘序列进行降维，得到2乘2卷积待乘序列。对于具体如何对多维卷积待乘序列进行降维，可以具体参见卷积计算规则，在此不再一一赘述。
S102、将2乘2卷积待乘序列对应转换为光信号。
在获取到2乘2卷积待乘序列后，将其转换为光信号。也就是说，用光信号来携带2乘2卷积待乘序列。
S103、利用本申请实施例所提供的光学电路，对光信号进行卷积计算处理，得到携带卷积结果的光信号。
其中，光学电路的具体构造、连接关系和2乘2卷积计算推理论证等均可参照上述实施例，在此不再一一赘述。
具体的，该光学电路可具体为图1、图3或图4所示的电路。将光信号输入至光学电路中的光输入端，然后利用光学电路对光信号进行移相处理，最终从光学电路得到携带卷积结果的光信号。对于该光学电路具体对输入的光信号进行如何处理，可具体参照上述实施例对光学电路的具体描述。
为了便于本领域技术人员更好地理解具体如何利用光学电路进行2乘2卷积计算，下面对2乘2卷积待乘序列如何转换为光信号，以及具体如何将光信号输入到光学电路，以及如何从光学电路中获得携带卷积计算结果的光信号进行详细说明。
对于步骤S102、将2乘2卷积待乘序列对应转换为光信号，可具体包括将2乘2卷积待乘序列转换为4路光信号。具体的，可以将2乘2卷积待乘序列中的某一行作为光学电路的L1至L4的输入(即光学电路中第一MZI的两个光输入端和第二MZI的两个光输入端)，从而得到4路光信号。
相应地，步骤S103利用本申请实施例所提供的光学电路，对光信号进行卷积计算处理，得到携带卷积结果的光信号，包括：
步骤一、将4路光信号分别输入至光学电路中第一MZI的两个光输入端，及第二MZI的两个光输入端；
步骤二、利用第一MZI、第二MZI和第三MZI分别对自身的输入光信号进行移相，以进行卷积计算；
步骤三、从第三MZI的一个光输出端得到携带卷积结果的光信号。
为便于描述，下面将上述三个步骤结合起来进行说明。
在本实施例中，可将4路光信号分别输入至如图1、图3或图4所示的L1、L2、L3和L4中，然后利用光线电路中的三个MZI对输入光进行移相处理，最终从对应的L1”或L2”得到携带卷积结果的光信号。
S104、对携带卷积结果的光信号进行光电转换，得到2乘2卷积计算结果。
得到携带卷积结果的光信号后，便可对该管信号进行光电转换，进而得到2乘2卷积计算结果。
应用本申请实施例所提供的方法，该方法包括：获取2乘2卷积待乘序列；将2乘2卷积待乘序列对应转换为光信号；利用如本申请所提供的光学电路，对光信号进行卷积计算处理，得到携带卷积结果的光信号；对携带卷积结果的光信号进行光电转换，得到2乘2卷积计算结果。
在该方法中，在进行2乘2卷积计算时，采用了本申请所提供的光学电路。基于该光学电路本身相比Gridnet方式实现的2x2的卷积运算能省掉一半的时间损耗和器材损耗，能够加快卷积计算速度，还可以简化光学器件结构。该方法也对应具有能够加快卷积计算速度，还可以简化光学器件结构的特点。能够有效提升采用光学卷积计算的设备或应用的性能。
相应于上面的方法实施例，本申请实施例还提供了一种光信号处理装置，下文描述的光信号处理装置与上文描述的光信号处理方法可相互对应参照。
参见图7所示，该装置包括以下模块：
数据获取模块101，用于获取2乘2卷积待乘序列；
信号转换模块102，用于将2乘2卷积待乘序列对应转换为光信号；
光学卷积处理模块103，用于利用如上述的光学电路，对光信号进行卷积计算处理，得到携带卷积结果的光信号；
卷积结果解析模块104，用于对携带卷积结果的光信号进行光电转换，得到2乘2卷积计算结果。
应用本申请实施例所提供的装置，该装置包括：获取2乘2卷积待乘序列；将2乘2卷积待乘序列对应转换为光信号；利用如本申请所提供的光学电路，对光信号进行卷积计算处理，得到携带卷积结果的光信号；对携带卷积结果的光信号进行光电转换，得到2乘2卷积计算结果。
在该装置中，在进行2乘2卷积计算时，采用了本申请所提供的光学电路。基于该光学电路本身相比Gridnet方式实现的2x2的卷积运算能省掉一半的时间损耗和器材损耗，能够加快卷积计算速度，还可以简化光学器件结构。该装置也对应具有能够加快卷积计算速度，还可以简化光学器件结构的特点。能够有效提升采用光学卷积计算的设备或应用的性能。
在本申请的一种具体实施方式中，数据获取模块101，具体用于获取多维卷积待乘序列，对多维卷积待乘序列进行降维，得到2乘2卷积待乘序列。
在本申请的一种具体实施方式中，信号转换模块102，具体用于将2乘2卷积待乘序列转换为4路光信号；
相应地，光学卷积处理模块103，具体用于将4路光信号分别输入至光学电路中第一MZI的两个光输入端，及第二MZI的两个光输入端；利用第一MZI、第二MZI和第三MZI分别对自身的输入光信号进行移相，以进行卷积计算；从第三MZI的一个光输出端得到携带卷积结果的光信号。
相应于上面的方法实施例，本申请实施例还提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的一种光信号处理方法可相互对应参照。
一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例的光信号处理方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
为了本领域技术人员充分理解本申请实施例所提供的技术方案所具有的技术效果，可实际应用价值。下面对电学计算和光学计算的现状和前景进行简要说明。
随着科技的发展，现今社会已进入云+AI+5G的时代，而为了实现云+AI+5G的运算需求，需要有支持大运算量的专用芯片。1971年，美国英特尔公司推出了第一枚应用于电子计算机的微处理器4004芯片，这一举措对整个电子工业界产生了深远的影响，微处理器芯片所带来的计算机和互联网革命改变了整个世界。芯片是现代电子信息产业的基础和核心。小到手机、电脑、数码相机，大到5G、物联网、云计算，大都是基于芯片技术的不断突破。半导体光刻工艺水平的发展是以芯片为核心的电子计算机的基石，目前半导体光刻的制造工艺几乎是摩尔定律的物理极限，随着制造工艺的越来越小，芯片内晶体管单元已经接近分子尺度，半导体制作工艺的瓶颈效应越来越明显。
随着全球化以及科技的高速发展，需要处理的数据量在急剧增加，相应的数据处理模型和算法也在不断增加，带来的结果就是对算力和功耗的要求不断提高。而目前冯·诺依曼架构和哈佛架构的电子计算机存在传输瓶颈、功耗增加以及算力瓶颈等问题，已越来越难以满足大数据时代对算力与功耗的需求，因此提高运算速度同时降低运算功耗是目前面临的紧要问题。
利用光子计算方法替代传统电子计算方法将是解决摩尔定律困境以及冯诺依曼架构的问题，即解决当前算力、功耗问题的极具潜力的途径之一。光子具有光速传播、抗电磁干扰、任意叠加等特性，光学计算具有天然的并行计算特性，因而运算速度极快，且十分适合做并行运算。
工业界对光学技术充满信心，光计算相比于电计算具有很多优势。例如：光信号以光速传输，使速度得到巨大提升；光具有天然的并行处理能力以及成熟的波分复用技术，从而使数据处理能力和容量及带宽大幅度提升；光计算功耗有望低至10～18J/bit，相同功耗下，光子器件比电子器件快数百倍。
光计算技术，包括以模拟光计算代表的光学模式识别、逻辑光计算、光互连、光学全息存储等。近年来，人们对光计算技术的需求迅速增加，其原因在于：一是随着摩尔定律的逐步失效，以及大数据时代对计算系统功耗和速度要求的不断提高，光计算技术高速和低功耗的特点越来越受到人们的重视；二是光计算技术的并行性运算特点，以及光学神经网络等算法和硬件架构的发展，为图像识别、语音识别、虚拟现实等人工智能技术对算力的需求提供了最有潜力的解决方案。光计算可以分为模拟光计算和数字光计算。模拟光计算最典型的一个例子就是傅立叶运算，在图像处理等领域需要运用傅立叶变换相关的计算，如卷积计算。用传统计算机来计算傅立叶变换是非常消耗计算量的，而光通过透镜的过程，本身就是一次傅立叶变换的过程，这个过程几乎完全不需要时间。数字光计算是利用光和光学器件组合形成经典的逻辑门，构建类似传统数字电子计算原理的计算系统，通过复杂的逻辑门组合操作实现计算。
大数据时代人们对电子计算机处理系统的算力和速度等要求越来越高，摩尔定律的失效使电子芯片在计算速度和功耗方面遇到了极大的挑战，光子计算芯片以光子为信息的载体具有高速并行、低功耗的优势，因此被认为是未来高速、大数据量、人工智能计算处理的最具有前景的方案。
光子芯片可以解决很多在数据处理时间长、无法实时处理、功耗高等应用领域的关键问题。例如，在远距离、高速运动目标的测距、测速和高分辨成像激光雷达中，在生物医药、纳米器件等的内部结构实现高分辨无损检测的新型计算显微关联成像装备中，光子芯片均可以发挥其高速并行、低功耗、微型化的优势。
人工神经网络的前向传播过程强烈依赖于乘加运算，其推理过程中的绝大部分运算本质上是训练后的权重和特征值之间的线性运算。使用光学芯片计算矩阵乘法与电学芯片在实现原理方面有很大的不同。在数字集成电路中，数据一般以晶体管的开关状态来编码为二进制串。利用二进制串表示的数字是离散的，例如整数或浮点值。
在光子学中，数据是通过调制激光脉冲的振幅(或相位)来进行编码的，产生的是连续实数值，改变光场的强度或相位会改变所表示的实数。电路中可以使用导线来引导电子，光子学中可以利用硅基光波导结构传输激光。
在数学模型上，利用可编程移相器，马赫曾德尔干涉仪等结构，可以在光域使用奇异值分解的方式实现任意维度的矩阵乘法运算。在线性代数中，奇异值分解是一种重要的矩阵分解方式，同时也是机器学习中常用的算法之一，在提取特征、简化数据、推荐系统中应用广泛。数学上任意维度的实数矩阵都可以通过奇异值分解的方法分解为三个矩阵的积。设M是一个m*m的矩阵，U是一个m*m的矩阵，称为幺正矩阵，是一个m*m的对角矩阵，对角线上的值为非负实数，V是一个m*m的矩阵，也是一个幺正矩阵，用V*来表示V的复数共轭矩阵，对矩阵M进行奇异值分解可以用M＝U∑V*来表示。
本领域技术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。本领域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申请的范围。

Claims (10)

1.一种光学电路，其特征在于，包括：
第一MZI的一个光输出端连接第三MZI的一个光输入端；所述第一MZI的另一个光输出端被光学阻挡；
第二MZI的一个光输出端连接所述第三MZI的另一个光输入端；所述第二MZI的另一个光输出端被光学阻挡；
所述第一MZI的两个光输入端，及所述第二MZI的两个光输入端分别接入与2乘2卷积待乘序列对应的光信号；
所述第一MZI、所述第二MZI和所述第三MZI分别对自身的输入光信号进行移相，以进行卷积计算；
所述第三MZI的一个光输出端输出携带卷积结果的光信号；所述光学电路用于映射2乘2卷积待乘序列的卷积运算，在所述卷积运算中，利用天珩公式计算所述2乘2卷积待乘序列的卷积运算映射值。
2.根据权利要求1所述的光学电路，其特征在于，包括：
所述第一MZI、所述第二MZI和所述第三MZI均包括第一光输入端、第二光输入端、第一光输出端和第二光输出端；
在每个MZI中，所述第一光输出端对应的输出光信号：jejθ(L1sinθ+L2cosθ)，所述第二光输出端对应的输出光信号：jejθ(L1cosθ-L2sinθ)，其中，L1对应所述第一光输入端的输入光信号，L2对应所述第二光输入端的输入光信号，2θ对应所述MZI的移相角。
3.根据权利要求2所述的光学电路，其特征在于，包括：
所述第一MZI以第一光输出端与所述第三MZI的第一光输入端连接，所述第二MZI以第一光输出端与所述第三MZI的第二光输入端连接，所述第三MZI的第一光输出端输出携带卷积结果的光信号。
4.根据权利要求1所述的光学电路，其特征在于，包括：
所述第一MZI以第一光输出端与所述第三MZI的第一光输入端连接，所述第二MZI以第二光输出端与所述第三MZI的第二光输入端连接，所述第三MZI的第二光输出端输出携带卷积结果的光信号。
5.根据权利要求1所述的光学电路，其特征在于，包括：
所述第一MZI以第二光输出端与所述第三MZI的第一光输入端连接，所述第二MZI以第二光输出端与所述第三MZI的第二光输入端连接，所述第三MZI的第二光输出端输出携带卷积结果的光信号。
6.一种光信号处理方法，其特征在于，包括：
获取2乘2卷积待乘序列；
将所述2乘2卷积待乘序列对应转换为光信号；
利用如权利要求1至5任一项所述的光学电路，对所述光信号进行卷积计算处理，得到携带卷积结果的光信号；所述光学电路用于映射所述2乘2卷积待乘序列的卷积运算，在所述卷积运算中，利用天珩公式计算所述2乘2卷积待乘序列的卷积运算映射值；
对所述携带卷积结果的光信号进行光电转换，得到2乘2卷积计算结果。
7.根据权利要求6所述的光信号处理方法，其特征在于，所述获取2乘2卷积待乘序列，包括：
获取多维卷积待乘序列，对多维卷积待乘序列进行降维，得到所述2乘2卷积待乘序列。
8.根据权利要求6或7所述的光信号处理方法，其特征在于，将所述2乘2卷积待乘序列对应转换为光信号，包括：
将所述2乘2卷积待乘序列转换为4路光信号；
相应地，利用所述光学电路，对所述光信号进行卷积计算处理，得到携带卷积结果的光信号，包括：
将所述4路光信号分别输入至所述光学电路中第一MZI的两个光输入端，及所述第二MZI的两个光输入端；
利用所述第一MZI、所述第二MZI和所述第三MZI分别对自身的输入光信号进行移相，以进行卷积计算；
从所述第三MZI的一个光输出端得到所述携带卷积结果的光信号。
9.一种光信号处理装置，其特征在于，包括：
数据获取模块，用于获取2乘2卷积待乘序列；
信号转换模块，用于将所述2乘2卷积待乘序列对应转换为光信号；
光学卷积处理模块，用于利用如权利要求1至5任一项所述的光学电路，对所述光信号进行卷积计算处理，得到携带卷积结果的光信号；所述光学电路用于映射所述2乘2卷积待乘序列的卷积运算，在所述卷积运算中，利用天珩公式计算所述2乘2卷积待乘序列的卷积运算映射值；
卷积结果解析模块，用于对所述携带卷积结果的光信号进行光电转换，得到2乘2卷积计算结果。
10.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求6至8任一项所述光信号处理方法的步骤。
CN202110591610.3A 2021-05-28 2021-05-28 一种光学电路、光信号处理方法、装置及可读存储介质 Active CN113325650B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110591610.3A CN113325650B (zh) 2021-05-28 2021-05-28 一种光学电路、光信号处理方法、装置及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110591610.3A CN113325650B (zh) 2021-05-28 2021-05-28 一种光学电路、光信号处理方法、装置及可读存储介质

Publications (2)

Publication Number Publication Date
CN113325650A CN113325650A (zh) 2021-08-31
CN113325650B true CN113325650B (zh) 2023-02-28

Family

ID=77422060

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110591610.3A Active CN113325650B (zh) 2021-05-28 2021-05-28 一种光学电路、光信号处理方法、装置及可读存储介质

Country Status (1)

Country Link
CN (1) CN113325650B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113569506B (zh) * 2021-09-23 2021-12-17 苏州浪潮智能科技有限公司 一种光学芯片设计方法、系统、设备及计算机存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001090813A2 (en) * 2000-05-22 2001-11-29 Shaowen Song N-valued optical logic architecture and method
US7710632B2 (en) * 2004-09-27 2010-05-04 Qualcomm Mems Technologies, Inc. Display device having an array of spatial light modulators with integrated color filters
CA3026091A1 (en) * 2016-06-02 2017-12-07 Massachusetts Institute Of Technology Apparatus and methods for optical neural network
CN109460817B (zh) * 2018-09-11 2021-08-03 华中科技大学 一种基于非易失存储器的卷积神经网络片上学习系统
TW202036134A (zh) * 2018-11-02 2020-10-01 美商萊特美特股份有限公司 使用光學處理的矩陣乘法
CN111324858B (zh) * 2020-03-20 2023-05-16 光子算数(北京)科技有限责任公司 一种卷积计算方法及卷积运算电路

Also Published As

Publication number Publication date
CN113325650A (zh) 2021-08-31

Similar Documents

Publication Publication Date Title
Zhou et al. In-memory photonic dot-product engine with electrically programmable weight banks
CN113298246B (zh) 数据处理方法、装置及计算机可读存储介质
CN113627605B (zh) 光子神经网络的光学干涉单元配置方法、装置及存储介质
WO2023201970A1 (zh) 一种计算芯片、系统及数据处理方法
CN111753977B (zh) 光学神经网络卷积层芯片、卷积计算方法和电子设备
CN111582435B (zh) 基于残差网络的衍射深度神经网络系统
WO2023005084A1 (zh) 光学电路搭建方法、光学电路、光信号处理方法及装置
JP2023531864A (ja) キュービット間の量子ゲートを容易にする調整可能な量子カプラ
US12001937B2 (en) Optical neural network, data processing method and apparatus based on same, and storage medium
US20240265287A1 (en) Integrated Photonic-Based Programmable High-Dimensional Quantum Computation Chip Structure
CN113325650B (zh) 一种光学电路、光信号处理方法、装置及可读存储介质
CN114037070A (zh) 光信号的处理方法、光子神经网络芯片及其设计方法
CN111563583B (zh) 基于神经常微分方程的光计算芯片设计方法及光计算芯片
CN105913118A (zh) 一种基于概率计算的人工神经网络硬件实现装置
CN113592069B (zh) 一种四输入逻辑运算的光子神经网络
Du et al. Implementation of optical neural network based on Mach–Zehnder interferometer array
CN113392966B (zh) 一种神经网络平均池化的实现方法、设备及存储介质
CN113592084B (zh) 基于反向优化超结构卷积核的片上光子神经网络
Chen et al. Optical logic operations using a meshed Mach-Zehnder interference array
Li et al. Image recognition based on optical reservoir computing
Shiflett et al. Bitwise neural network acceleration using silicon photonics
Lin et al. 120 GOPS Photonic tensor core in thin-film lithium niobate for inference and in situ training
Hu et al. Black-box simulation method: train the optical model from output
Gharibi et al. Quantum Deterministic Computing
Zhang et al. A MZI-based optical neural network for image classification

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

Effective date of registration: 20240703

Address after: 2324, Building 1, Aosheng Building, No. 1166 Xinluo Street, High tech Zone, Jinan City, Shandong Province, 250000

Patentee after: Inspur Computer Technology Co.,Ltd.

Country or region after: China

Address before: 35th floor, S01 building, Inspur science and Technology Park, 1036 Inspur Road, Jinan area, Jinan pilot Free Trade Zone, Jinan City, Shandong Province

Patentee before: Shandong Yunhai guochuang cloud computing equipment industry innovation center Co.,Ltd.

Country or region before: China

TR01 Transfer of patent right