CN113642718B - 一种光纤脉冲神经元构建方案 - Google Patents
一种光纤脉冲神经元构建方案 Download PDFInfo
- Publication number
- CN113642718B CN113642718B CN202111021684.XA CN202111021684A CN113642718B CN 113642718 B CN113642718 B CN 113642718B CN 202111021684 A CN202111021684 A CN 202111021684A CN 113642718 B CN113642718 B CN 113642718B
- Authority
- CN
- China
- Prior art keywords
- optical fiber
- pulse
- optical
- energy
- change material
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000013307 optical fiber Substances 0.000 title claims abstract description 220
- 210000002569 neuron Anatomy 0.000 title claims abstract description 46
- 238000010276 construction Methods 0.000 title abstract description 11
- 230000003287 optical effect Effects 0.000 claims abstract description 91
- 230000000946 synaptic effect Effects 0.000 claims abstract description 66
- 210000004027 cell Anatomy 0.000 claims abstract description 62
- 239000012782 phase change material Substances 0.000 claims abstract description 61
- 239000000835 fiber Substances 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 6
- 230000008569 process Effects 0.000 claims abstract description 5
- 230000003647 oxidation Effects 0.000 claims description 21
- 238000007254 oxidation reaction Methods 0.000 claims description 21
- 238000002310 reflectometry Methods 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 15
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 12
- 230000008878 coupling Effects 0.000 claims description 8
- 238000010168 coupling process Methods 0.000 claims description 8
- 238000005859 coupling reaction Methods 0.000 claims description 8
- 230000007423 decrease Effects 0.000 claims description 6
- 239000010931 gold Substances 0.000 claims description 6
- 230000002265 prevention Effects 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 235000012239 silicon dioxide Nutrition 0.000 claims description 6
- 239000000377 silicon dioxide Substances 0.000 claims description 6
- 238000002834 transmittance Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 5
- 230000003595 spectral effect Effects 0.000 claims description 5
- 239000004065 semiconductor Substances 0.000 claims description 4
- -1 chalcogenide compound Chemical class 0.000 claims description 3
- 230000019771 cognition Effects 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 claims description 3
- 229910052737 gold Inorganic materials 0.000 claims description 3
- AMGQUBHHOARCQH-UHFFFAOYSA-N indium;oxotin Chemical compound [In].[Sn]=O AMGQUBHHOARCQH-UHFFFAOYSA-N 0.000 claims description 3
- 238000001755 magnetron sputter deposition Methods 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 239000013078 crystal Substances 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 claims 1
- 210000000225 synapse Anatomy 0.000 abstract description 12
- 210000005056 cell body Anatomy 0.000 abstract description 9
- 238000004364 calculation method Methods 0.000 abstract description 7
- 230000006870 function Effects 0.000 abstract description 4
- 230000008901 benefit Effects 0.000 abstract description 3
- 239000000758 substrate Substances 0.000 abstract 1
- 238000013528 artificial neural network Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003592 biomimetic effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
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
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- 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
- 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
- G06N3/08—Learning methods
-
- 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
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Neurology (AREA)
- Lasers (AREA)
Abstract
本发明公开一种光纤脉冲神经元构建方案。该光纤脉冲神经元构建方案包括光脉冲源模块、光纤突触模块、光纤胞体模块以及光纤反馈回路模块。以光纤为基底结合相变材料模拟生物神经元的突触和胞体功能，以此为基础构造具备四个输入端的光纤脉冲神经元；不同波长的光脉冲调整各自光纤突触的权重值，能量合束后调整胞体的状态，当总体光脉冲能量超过光纤胞体的阈值，则光纤脉冲神经元有光脉冲输出；该光纤脉冲神经元可以通过监督学习或非监督学习的方式完成模式学习；学习完成之后的光纤脉冲神经元可对波长模式进行识别。该光纤脉冲神经元首次赋予光纤智能功能，且其工作过程完全由光脉冲信号实现，相比传统电学脉冲神经元具有功耗更低、结构简单及运行速度快等优势，为类脑计算提供一种全新的光学可行性方案。
Description
技术领域
本发明涉及智能光纤器件领域，尤其涉及一种光纤脉冲神经元构建方案。
背景技术
类脑计算是一种借鉴人脑处理信息的方式、有望打破“冯·诺依曼”架构的瓶颈、适于实时处理非结构化信息、具有自主学习能力的超低功耗的新型计算。脉冲神经网络(SNN)是类脑计算在软件方面的重要尝试，大多数最先进的基于脉冲神经网络的神经拟态计算硬件是通过存储器实现人工突触，并利用关键的数字或模拟电路仿生实现人工神经元。然而，此类芯片计算单元与存储单元在局部依然是分离的，这在用于神经元的电路和用于突触的电路之间依然存在局部的存储壁垒问题和能量效率问题。
具有非易失性质的忆阻器为实现真正的类脑计算提供了可能，忆阻器的特点是其电阻会随着通过的电流量而改变，通过改变电流的值就可以实现神经网络突触权重的更新。其中，中国专利CN111275177A公开了一种全忆阻器神经网络，该神经网络采用金属和半导体结合构造突触结构，通过改变施加在突触上的电压来改变突触的权重，具有很高的集成度；中国专利CN108985447A公开了一种硬件脉冲神经网络系统，采用电子器件构造突触单元，可以实现大规模的扩展，但是电子器件结构十分复杂，不易于实现。电学系统构成的脉冲神经网络有着信号易互扰、能耗大的先天缺陷，因此以电学系统为基础的脉冲神经网络在未来似乎不足以为类脑计算提供算力支撑，光学手段构建的脉冲神经网络成为发展的必然。
鉴于此，本专利提出的光纤脉冲神经源方案以全光学手段切换监督学习和非监督学习的方式来实现模式的学习，克服电学结构运行速度较慢、算法复杂且不易于实现的缺点，具有功耗更低、结构简单及运行速度快等优势，为类脑计算提供一种全新的光学可行性方案。
发明内容
本发明目的在于提供一种光纤脉冲神经元构建方案，实现全光学手段的脉冲神经元结构及功能。
一种光纤脉冲神经元构建方案，包括光脉冲源模块(1)、光纤突触模块(2)、光纤胞体模块(3)以及光纤反馈回路模块(001、002)；
所述脉冲光源模块(1)发出光脉冲输入至光纤突触模块(2)中，光纤突触模块(2)受输入光脉冲调整权重后，各光脉冲合束输出至光纤胞体模块(3)中，光纤胞体模块(3)的状态受输入的合束光脉冲调节，且将合束的光脉冲光纤反馈回路模块(001、002)反馈至脉冲光源模块(1)中；
所述脉冲光源模块(1)包括脉冲激光器(101～104)，1×2光纤耦合器(105～108)；
所述脉冲激光器(101～104)输出波长、脉宽及峰值功率等参数可调的光脉冲信号；
所述1×2光纤耦合器(104～108)的分光比为50:50，作用为光能量均等耦合与分配；
所述光纤突触模块(2)包含光纤突触单元(201～204)、1×2光纤耦合器(205～208)以及光电探测器(209～212)；
所述光纤突触单元(201～204)由单模光纤(201-1)、相变材料(201-2)以及防氧化层(201-3)组成；
所述相变材料(201-2)是硫系化合物，由Ge、Sb、Te、Se以一定比例组成的半导体材料，例如Ge2Sb2Te5(GST)等；
所述相变材料(201-2)存在至少两种晶格状态，即晶态、非晶态。其不同状态下的光学性质存在显著差异；
所述相变材料(201-2)的相态受入射光脉冲能量调节，高能窄带光脉冲使其非晶化，低能宽带光脉冲使其晶化，晶态的反射率高、透射率低、吸收率高，非晶态的反射率低、透射率高、吸收率低；
所述防氧化层(201-3)由金(Au)、二氧化硅(SiO2)以及氧化铟锡(ITO)等不易氧化的材料组成；
所述防氧化层(201-3)功能为防止相变材料裸露在空气中被氧化；
所述相变材料(201-2)和防氧化层(201-3)以射频磁控溅射的方式镀在单模光纤(201-1)的侧面孔中，其中膜层底部与单模光纤(201-1)的纤芯保持倏逝场最佳距离，使得纤芯中光能量能够高效的与膜层耦合；
所述1×2光纤耦合器(205～208)的分光比为90:10，将少部分能量引出至光电探测器(209～212)中，用以探测光纤突触单元(201～204)的权重大小，大部分能量向后传递至光纤胞体模块(3)中；
所述光纤突触模块(2)中，相变材料(201-2)通过倏逝场的方式与光脉冲耦合作用，使得光脉冲充分调节相变材料(201-2)的状态，那么各个光纤突触单元(201～204)的权重受各自入射的光脉冲调制，即能量较高的窄带光脉冲会使其趋向于非晶化，此时透射率逐渐升高，对应权重升高，反之透射率降低，对应权重降低；
所述光纤突触模块(2)中，定义光纤突触单元(201～204)处于非晶态时，此时相变材料(201-2)对光能量的透射率高，权重处于“1”；光纤突触单元(201～204)处于晶态时，此时相变材料(201-2)对光能量的透射率低，权重处于“0”；
所述光纤胞体模块(3)包括密集波分复用器.1(301)、光纤环形器(302)、1×2光纤耦合器(303、307)、光纤胞体单元(304)、胞体探测脉冲源(305)、光纤隔离器(306)、光纤带通滤波器.2(308)以及光纤带通滤波器.1(310)；
所述密集波分复用器.1(301)将光纤突触单元(201～204)出射的各波长光脉冲耦合至一根纤芯中，向后传递；
所述光纤环形器(302)将光能量通过1端口输入至2端口输出，进入后续的光纤胞体单元(304)中，并将光纤胞体单元(304)反射的光能量通过2端口输入至3端口输出至后续光路中；
所述1×2光纤耦合器(303、307)的分光比为50:50，作用为光能量均等耦合与分配；
所述光纤胞体单元(304)包括单模光纤(304-1)、相变材料(304-2)以及防氧化层(304-3)；
所述单模光纤(304-1)、相变材料(304-2)以及防氧化层(304-3)的组成成分及制备方法与单模光纤(201-1)、相变材料(201-2)以及防氧化层(201-3)一致，仅相变材料(201-2、304-2)的厚度存在差异，这是由于光纤突触单元(201～204)与光纤胞体单元(304)中光脉冲的耦合机理不一致；
所述光纤胞体单元(304)中利用相变材料(201-2)不同相态下反射率存在差异，当相变材料(201-2)处于晶态时反射率高、处于非晶态时反射率低，那么该光纤胞体单元(304)存在一个光脉冲能量阈值，当输入光脉冲的总能量超过阈值时，光纤胞体单元(304)的反射率由低切换为高，即从无输出状态切换至高输出状态；
所述胞体探测脉冲源(305)发出能量较低的光脉冲信号，且波长与调节光纤突触单元(201～204)的光脉冲波长不一致；
所述光纤隔离器(306)使得光脉冲仅允许正向导通，防止反射的光脉冲射入胞体探测脉冲源(305)中导致光源损坏；
所述光纤带通滤波器.2(308)仅允许胞体探测脉冲源(305)发出的光脉冲波长通过，隔离调节光纤突触单元(201～204)的光脉冲波长；
所述光纤带通滤波器.1(310)允许调节光纤突触单元(201～204)的光脉冲波长通过，隔离胞体探测脉冲源(305)发出的光脉冲波长；
所述光纤反馈回路模块(001、002)包括光纤可调谐衰减器(001)与密集波分复用器.2(002)组成；
所述光纤可调谐衰减器(001)可用于切换光纤脉冲神经元的学习模式，当光纤可调谐衰减器(001)处于“高阻”状态时，反馈回路处于断开状态，光纤突触单元(201～204)仅受脉冲光源模块(1)调整，即通过外部监督器控制脉冲光源模块(1)出射光脉冲状态，使得光纤突触单元(201～204)趋向于目标权重分布状态，在此目标权重分布的情况下，合束光脉冲到达光纤胞体单元(304)的阈值，从而实现光能量的高输出，以此完成监督学习；当光纤可调谐衰减器(001)处于“导通”状态时，反馈回路处于全通状态，前序未达到光纤胞体单元(304)输出的合束光脉冲经过光纤带通滤波器(310)后传递至密集波分复用器.2(002)中分光，使得不同波长光脉冲能量分配至各自通道中去，反馈的光脉冲与脉冲光源模块(1)存在持续供给的通道中光脉冲叠加，通过多次叠加实现光纤突触单元(201～204)权重分布的调节，在此循环反馈的过程中无外界干预，完全由光脉冲信号自主完成，当权重分布调节至目标状态时，合束光脉冲到达光纤胞体单元(304)的阈值，从而实现光能量的高输出，以此非完成监督学习；
所述光纤脉冲神经元完成监督学习或非监督学习下的模式状态认知后，能够实现模式识别任务，此时将脉冲激光器(101～104)保持断开状态，光信号由密集波分复用器.2(002)传入至光纤脉冲神经元中，当传入的光能量中涵盖有目标波长的能量分布时，光纤脉冲神经元有输出，反之则保持无输出状态。
有益效果
本发明相对现有技术具有如下的有益效果：
1、本发明提供的一种光纤脉冲神经元构建方案中，将相变材料与光纤结合，利用相变材料的相态会在激光脉冲作用下发生转变的特性来构建光纤突触、光纤胞体等神经元结构，并以此为基础搭建光纤脉冲神经元，可以实现模式的监督学习和非监督学习。
2、本发明提供的一种光纤脉冲神经元构建方案与其它电学手段构成的脉冲神经元相比，克服电学结构运行速度较慢、算法复杂且不易于实现的缺点，具有功耗更低、结构简单及运行速度快等优势，为类脑计算提供一种全新的光学可行性方案。
附图说明
1、图1为本发明一种光纤脉冲神经元构建方案示意图
2、图2为本发明的学习机理示意图
3、图3为本发明的突触权重随时间变化的关系图
具体实施方式
下面结合附图，通过具体实施例对本发明技术方法作进一步详细描述，所描述的具体实施例仅对本发明进行解释说明，并不用以限制本发明。
如图1所示，一种光纤脉冲神经元构建方案，包括光脉冲源模块(1)、光纤突触模块(2)、光纤胞体模块(3)以及光纤反馈回路模块(001、002)。
其中，脉冲光源模块(1)发出光脉冲输入至光纤突触模块(2)中，光纤突触模块(2)受输入光脉冲调整权重后，各光脉冲合束输出至光纤胞体模块(3)中，光纤胞体模块(3)的状态受输入的合束光脉冲调节，且将合束的光脉冲光纤反馈回路模块(001、002)反馈至脉冲光源模块(1)。
脉冲光源模块(1)包括脉冲激光器(101～104)，1×2光纤耦合器(105～108)；脉冲激光器(101～104)输出波长、脉宽及峰值功率等参数可调的光脉冲信号；1×2光纤耦合器(104～108)的分光比为50:50，作用为光能量均等耦合与分配。
其中，光纤突触模块(2)包含光纤突触单元(201～204)、1×2光纤耦合器(205～208)以及光电探测器(209～212)。
光纤突触单元(201～204)由单模光纤(201-1)、相变材料(201-2)以及防氧化层(201-3)组成；相变材料(201-2)是硫系化合物，由Ge、Sb、Te、Se以一定比例组成的半导体材料，例如Ge2Sb2Te5(GST)等；相变材料(201-2)存在至少两种晶格状态，即晶态、非晶态。其不同状态下的光学性质存在显著差异；相变材料(201-2)的相态受入射光脉冲能量调节，高能窄带光脉冲使其非晶化，低能宽带光脉冲使其晶化，晶态的反射率高、透射率低、吸收率高，非晶态的反射率低、透射率高、吸收率低；防氧化层(201-3)由金(Au)、二氧化硅(SiO2)以及氧化铟锡(ITO)等不易氧化的材料组成；防氧化层(201-3)功能为防止相变材料裸露在空气中被氧化；相变材料(201-2)和防氧化层(201-3)以射频磁控溅射的方式镀在单模光纤(201-1)的侧面孔中，其中膜层底部与单模光纤(201-1)的纤芯保持倏逝场最佳距离，使得纤芯中光能量能够高效的与膜层耦合；1×2光纤耦合器(205～208)的分光比为90:10，将少部分能量引出至光电探测器(209～212)中，用以探测光纤突触单元(201～204)的权重大小，大部分能量向后传递至光纤胞体模块(3)中。
光纤突触模块(2)中，相变材料(201-2)通过倏逝场的方式与光脉冲耦合作用，使得光脉冲充分调节相变材料(201-2)的状态，那么各个光纤突触单元(201～204)的权重受各自入射的光脉冲调制，即能量较高的窄带光脉冲会使其趋向于非晶化，此时透射率逐渐升高，对应权重升高，反之透射率降低，对应权重降低；定义光纤突触单元(201～204)处于非晶态时，此时相变材料(201-2)对光能量的透射率高，权重处于“1”；光纤突触单元(201～204)处于晶态时，此时相变材料(201-2)对光能量的透射率低，权重处于“0”。
其中，光纤胞体模块(3)包括密集波分复用器.1(301)、光纤环形器(302)、1×2光纤耦合器(303、307)、光纤胞体单元(304)、胞体探测脉冲源(305)、光纤隔离器(306)、光纤带通滤波器.2(308)以及光纤带通滤波器.1(310)。
密集波分复用器.1(301)将光纤突触单元(201～204)出射的各波长光脉冲耦合至一根纤芯中，向后传递；光纤环形器(302)将光能量通过1端口输入至2端口输出，进入后续的光纤胞体单元(304)中，并将光纤胞体单元(304)反射的光能量通过2端口输入至3端口输出至后续光路中；1×2光纤耦合器(303、307)的分光比为50:50，作用为光能量均等耦合与分配；光纤胞体单元(304)包括单模光纤(304-1)、相变材料(304-2)以及防氧化层(304-3)；单模光纤(304-1)、相变材料(304-2)以及防氧化层(304-3)的组成成分及制备方法与单模光纤(201-1)、相变材料(201-2)以及防氧化层(201-3)一致，仅相变材料(201-2、304-2)的厚度存在差异，这是由于光纤突触单元(201～204)与光纤胞体单元(304)中光脉冲的耦合机理不一致；光纤胞体单元(304)中利用相变材料(201-2)不同相态下反射率存在差异，当相变材料(201-2)处于晶态时反射率高、处于非晶态时反射率低，那么该光纤胞体单元(304)存在一个光脉冲能量阈值，当输入光脉冲的总能量超过阈值时，光纤胞体单元(304)的反射率由低切换为高，即从无输出状态切换至高输出状态；胞体探测脉冲源(305)发出能量较低的光脉冲信号，且波长与调节光纤突触单元(201～204)的光脉冲波长不一致；光纤隔离器(306)使得光脉冲仅允许正向导通，防止反射的光脉冲射入胞体探测脉冲源(305)中导致光源损坏；光纤带通滤波器.2(308)仅允许胞体探测脉冲源(305)发出的光脉冲波长通过，隔离调节光纤突触单元(201～204)的光脉冲波长；光纤带通滤波器.1(310)允许调节光纤突触单元(201～204)的光脉冲波长通过，隔离胞体探测脉冲源(305)发出的光脉冲波长。
其中，光纤反馈回路模块(001、002)包括光纤可调谐衰减器(001)与密集波分复用器.2(002)组成；
光纤可调谐衰减器(001)可用于切换光纤脉冲神经元的学习模式，当光纤可调谐衰减器(001)处于“高阻”状态时，反馈回路处于断开状态，光纤突触单元(201～204)仅受脉冲光源模块(1)调整，即通过外部监督器控制脉冲光源模块(1)出射光脉冲状态，使得光纤突触单元(201～204)趋向于目标权重分布状态，在此目标权重分布的情况下，合束光脉冲到达光纤胞体单元(304)的阈值，从而实现光能量的高输出，以此完成监督学习；当光纤可调谐衰减器(001)处于“导通”状态时，反馈回路处于全通状态，前序未达到光纤胞体单元(304)输出的合束光脉冲经过光纤带通滤波器(310)后传递至密集波分复用器.2(002)中分光，使得不同波长光脉冲能量分配至各自通道中去，反馈的光脉冲与脉冲光源模块(1)存在持续供给的通道中光脉冲叠加，通过多次叠加实现光纤突触单元(201～204)权重分布的调节，在此循环反馈的过程中无外界干预，完全由光脉冲信号自主完成，当权重分布调节至目标状态时，合束光脉冲到达光纤胞体单元(304)的阈值，从而实现光能量的高输出，以此非完成监督学习。
如图2所示，为光纤脉冲神经元学习机理示意图，当目标模式为“0110”时，若此时光纤可调谐衰减器(001)处于“高阻”状态，即监督学习情况下，通过外部监督器调整脉冲激光器(102、103)发出一次高能窄带脉冲，使得光纤突触单元(202、203)权重置于“1”，而脉冲激光器(101、104)发出一次低能窄带脉冲，使得光纤突触单元(201、204)权重置于“0”，此时光纤脉冲神经元以监督学习的方式完成模式“0110”的学习；若此时光纤可调谐衰减器(001)处于“导通”状态时，即非监督学习情况下，初始状态下光纤突触单元(201～204)的权重均保持“1”，脉冲激光器(101、104)在输出一次光脉冲后保持无输出状态，而脉冲激光器(102、103)始终保持光脉冲以一定时间间隔输出，当光脉冲经过一次光路循环后能量产生一定衰减，那么光纤突触单元(101、104)的权重由初始的“1”向“0”变化，而有与持续性输出的光脉冲叠加的通路，光纤突触单元(102、103)的权重始终保持“1”，当经历多次光路循环后，光纤突触单元(101、104)的权重变为“0”，此时光纤脉冲神经元以非监督学习的方式完成模式“0110”的学习。
光纤脉冲神经元完成监督学习或非监督学习下的模式状态认知后，能够实现模式识别任务，此时将脉冲激光器(101～104)保持断开状态，光信号由密集波分复用器.2(002)传入至光纤脉冲神经元中，当传入的光能量中涵盖有目标波长的能量分布时，光纤脉冲神经元有输出，反之则保持无输出状态。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (1)
1.一种光纤脉冲神经元，包括脉冲光源模块（1）、光纤突触模块（2）、光纤胞体模块（3）以及光纤反馈回路模块（001、002）；
所述脉冲光源模块（1）发出光脉冲输入至光纤突触模块（2）中，光纤突触模块（2）受输入光脉冲调整权重后，各光脉冲合束输出至光纤胞体模块（3）中，光纤胞体模块（3）的状态受输入的合束光脉冲调节，且将合束的光脉冲光纤反馈回路模块（001、002）反馈至脉冲光源模块（1）中；
所述脉冲光源模块（1）包括脉冲激光器（101~104），1×2光纤耦合器（105~108）；
所述脉冲激光器（101~104）输出波长、脉宽及峰值功率参数可调的光脉冲信号；
所述1×2光纤耦合器（105~108）的分光比为50:50，作用为光能量均等耦合与分配；
所述光纤突触模块（2）包含光纤突触单元（201~204）、1×2光纤耦合器（205~208）以及光电探测器（209~212）；
所述光纤突触单元（201~204）由单模光纤（201-1）、相变材料（201-2）以及防氧化层（201-3）组成；
所述相变材料（201-2）是硫系化合物，由Ge、Sb、Te、Se以一定比例组成的半导体材料；
所述相变材料（201-2）存在至少两种晶格状态，即晶态、非晶态，其不同状态下的光学性质存在显著差异；
所述相变材料（201-2）的相态受入射光脉冲能量调节，高能窄带光脉冲使其非晶化，低能宽带光脉冲使其晶化，晶态的反射率高、透射率低、吸收率高，非晶态的反射率低、透射率高、吸收率低；
所述防氧化层（201-3）由金（Au）、二氧化硅（SiO2）以及氧化铟锡（ITO）不易氧化的材料组成；
所述防氧化层（201-3）功能为防止相变材料裸露在空气中被氧化；
所述相变材料（201-2）和防氧化层（201-3）以射频磁控溅射的方式镀在单模光纤（201-1）的侧面孔中，其中膜层底部与单模光纤（201-1）的纤芯保持倏逝场最佳距离，使得纤芯中光能量能够高效的与膜层耦合；
所述1×2光纤耦合器（205~208）的分光比为90:10，将少部分能量引出至光电探测器（209~212）中，用以探测光纤突触单元（201~204）的权重大小，大部分能量向后传递至光纤胞体模块（3）中；
所述光纤突触模块（2）中，相变材料（201-2）通过倏逝场的方式与光脉冲耦合作用，使得光脉冲充分调节相变材料（201-2）的状态，那么各个光纤突触单元（201~204）的权重受各自入射的光脉冲调制，即能量较高的窄带光脉冲会使其趋向于非晶化，此时透射率逐渐升高，对应权重升高，反之透射率降低，对应权重降低；
所述光纤突触模块（2）中，定义光纤突触单元（201~204）处于非晶态时，此时相变材料（201-2）对光能量的透射率高，权重处于“1”；光纤突触单元（201~204）处于晶态时，此时相变材料（201-2）对光能量的透射率低，权重处于“0”；
所述光纤胞体模块（3）包括密集波分复用器（301）、光纤环形器（302）、1×2光纤耦合器（303、307）、光纤胞体单元（304）、胞体探测脉冲源（305）、光纤隔离器（306）、光纤带通滤波器（308）以及光纤带通滤波器（310）；
所述密集波分复用器（301）将光纤突触单元（201~204）出射的各波长光脉冲耦合至一根纤芯中，向后传递；
所述光纤环形器（302）将光能量通过1端口输入至2端口输出，进入后续的光纤胞体单元（304）中，并将光纤胞体单元（304）反射的光能量通过2端口输入至3端口输出至后续光路中；
所述1×2光纤耦合器（303、307）的分光比为50:50，作用为光能量均等耦合与分配；
所述光纤胞体单元（304）包括单模光纤（304-1）、相变材料（304-2）以及防氧化层（304-3）；
所述单模光纤（304-1）、相变材料（304-2）以及防氧化层（304-3）的组成成分及制备方法与单模光纤（201-1）、相变材料（201-2）以防氧化层（201-3）一致，仅相变材料（201-2、304-2）的厚度存在差异，这是由于光纤突触单元（201~204）与光纤胞体单元（304）中光脉冲的耦合机理不一致；
所述光纤胞体单元（304）中利用相变材料（201-2）不同相态下反射率存在差异，当相变材料（201-2）处于晶态时反射率高、处于非晶态时反射率低，那么该光纤胞体单元（304）存在一个光脉冲能量阈值，当输入光脉冲的总能量超过阈值时，光纤胞体单元（304）的反射率由低切换为高，即从无输出状态切换至高输出状态；
所述胞体探测脉冲源（305）发出能量较低的光脉冲信号，且波长与调节光纤突触单元（201~204）的光脉冲波长不一致；
所述光纤隔离器（306）使得光脉冲仅允许正向导通，防止反射的光脉冲射入胞体探测脉冲源（305）中导致光源损坏；
所述光纤带通滤波器（308）仅允许胞体探测脉冲源（305）发出的光脉冲波长通过，隔离调节光纤突触单元（201~204）的光脉冲波长；
所述光纤带通滤波器（310）允许调节光纤突触单元（201~204）的光脉冲波长通过，隔离胞体探测脉冲源（305）发出的光脉冲波长；
所述光纤反馈回路模块（001、002）包括光纤可调谐衰减器（001）与密集波分复用器（002）组成；
所述光纤可调谐衰减器（001）可用于切换光纤脉冲神经元的学习模式，当光纤可调谐衰减器（001）处于“高阻”状态时，反馈回路处于断开状态，光纤突触单元（201~204）仅受脉冲光源模块（1）调整，即通过外部监督器控制脉冲光源模块（1）出射光脉冲状态，使得光纤突触单元（201~204）趋向于目标权重分布状态，在此目标权重分布的情况下，合束光脉冲到达光纤胞体单元（304）的阈值，从而实现光能量的高输出，以此完成监督学习；当光纤可调谐衰减器（001）处于“导通”状态时，反馈回路处于全通状态，前序未达到光纤胞体单元（304）输出的合束光脉冲经过光纤带通滤波器（310）后传递至密集波分复用器（002）中分光，使得不同波长光脉冲能量分配至各自通道中去，反馈的光脉冲与脉冲光源模块（1）存在持续供给的通道中光脉冲叠加，通过多次叠加实现光纤突触单元（201~204）权重分布的调节，在此循环反馈的过程中无外界干预，完全由光脉冲信号自主完成，当权重分布调节至目标状态时，合束光脉冲到达光纤胞体单元（304）的阈值，从而实现光能量的高输出，以此非完成监督学习；
所述光纤脉冲神经元完成监督学习或非监督学习下的模式状态认知后，能够实现模式识别任务，此时将脉冲激光器（101~104）保持断开状态，光信号由密集波分复用器（002）传入至光纤脉冲神经元中，当传入的光能量中涵盖有目标波长的能量分布时，光纤脉冲神经元有输出，反之则保持无输出状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111021684.XA CN113642718B (zh) | 2021-09-01 | 2021-09-01 | 一种光纤脉冲神经元构建方案 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111021684.XA CN113642718B (zh) | 2021-09-01 | 2021-09-01 | 一种光纤脉冲神经元构建方案 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113642718A CN113642718A (zh) | 2021-11-12 |
| CN113642718B true CN113642718B (zh) | 2023-11-14 |
Family
ID=78424852
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111021684.XA Active CN113642718B (zh) | 2021-09-01 | 2021-09-01 | 一种光纤脉冲神经元构建方案 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113642718B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114358270A (zh) * | 2022-01-07 | 2022-04-15 | 南京鼎芯光电科技有限公司 | 一种多维复用技术的光子神经网络及实现方法 |
| CN114202068B (zh) * | 2022-02-17 | 2022-06-28 | 浙江大学 | 面向类脑计算芯片的自学习实现系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108985447A (zh) * | 2018-06-15 | 2018-12-11 | 华中科技大学 | 一种硬件脉冲神经网络系统 |
| CN109034379A (zh) * | 2018-10-12 | 2018-12-18 | 南京邮电大学 | 一种由类脑器件忆阻器搭建的神经元及神经元电路 |
| CN110262090A (zh) * | 2019-06-28 | 2019-09-20 | 上海理工大学 | 一种非易失性光纤光开关结构及制备方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8250011B2 (en) * | 2008-09-21 | 2012-08-21 | Van Der Made Peter A J | Autonomous learning dynamic artificial neural computing device and brain inspired system |
| US8447714B2 (en) * | 2009-05-21 | 2013-05-21 | International Business Machines Corporation | System for electronic learning synapse with spike-timing dependent plasticity using phase change memory |
-
2021
- 2021-09-01 CN CN202111021684.XA patent/CN113642718B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108985447A (zh) * | 2018-06-15 | 2018-12-11 | 华中科技大学 | 一种硬件脉冲神经网络系统 |
| CN109034379A (zh) * | 2018-10-12 | 2018-12-18 | 南京邮电大学 | 一种由类脑器件忆阻器搭建的神经元及神经元电路 |
| CN110262090A (zh) * | 2019-06-28 | 2019-09-20 | 上海理工大学 | 一种非易失性光纤光开关结构及制备方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于脉冲序列核的脉冲神经元监督学习算法;蔺想红;王向文;党小超;;电子学报(第12期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113642718A (zh) | 2021-11-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113642718B (zh) | 一种光纤脉冲神经元构建方案 | |
| Shastri et al. | Photonics for artificial intelligence and neuromorphic computing | |
| US10928586B2 (en) | Waveguide architecture for photonic neural component | |
| Miscuglio et al. | Roadmap on material-function mapping for photonic-electronic hybrid neural networks | |
| EP0359778B1 (en) | Optical device | |
| US10451798B2 (en) | Waveguide architecture for photonic neural component with multiplexed optical signals on inter-node waveguides | |
| El Srouji et al. | Photonic and optoelectronic neuromorphic computing | |
| CN113629187B (zh) | 一种光电神经突触忆阻器 | |
| CA3165560C (en) | Optical synapses | |
| JP2022535807A (ja) | フォトニックニューラルネットワーク | |
| Yu et al. | All-chalcogenide programmable all-optical deep neural networks | |
| CN116029343A (zh) | 基于mrr和相变材料的光子脉冲神经网络实现方法 | |
| US20220300798A1 (en) | Optical devices and methods | |
| CN116027481A (zh) | 一种超低功耗的光子芯片及神经网络架构 | |
| Nitta et al. | Optical neurochip with learning capability | |
| WO2021074656A1 (en) | Infroton type artificial neural network | |
| RU2788438C1 (ru) | Оптический синапс | |
| CN113723602A (zh) | 一种光纤结构的神经突触方案 | |
| US11422027B1 (en) | Optical switchable system and device | |
| Huang et al. | Photonic computing: an introduction | |
| Bilodeau et al. | Neuromorphic Silicon Photonics | |
| Shen et al. | Large-scale neuromorphic systems enabled by integrated photonics | |
| CN118297125A (zh) | 一种光子神经网络芯片架构 | |
| Dangel et al. | Integrated Photonic Synaptic Interconnect Processor for Acceleration of Deep Neural Network Training | |
| CN113703517A (zh) | 一种基数可调的多芯光纤算盘方案 |
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 |