CN113705804B - 光学神经模拟装置 - Google Patents

光学神经模拟装置 Download PDF

Info

Publication number
CN113705804B
CN113705804B CN202110468613.8A CN202110468613A CN113705804B CN 113705804 B CN113705804 B CN 113705804B CN 202110468613 A CN202110468613 A CN 202110468613A CN 113705804 B CN113705804 B CN 113705804B
Authority
CN
China
Prior art keywords
photodetectors
circuitry
waveguide structure
waveguide
photocurrent
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
CN202110468613.8A
Other languages
English (en)
Other versions
CN113705804A (zh
Inventor
A·R·贾斯瓦尔
A·P·雅各布
卞宇生
M·拉科夫斯基
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.)
GlobalFoundries US Inc
Original Assignee
GlobalFoundries US Inc
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 GlobalFoundries US Inc filed Critical GlobalFoundries US Inc
Publication of CN113705804A publication Critical patent/CN113705804A/zh
Application granted granted Critical
Publication of CN113705804B publication Critical patent/CN113705804B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L27/00—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate
    • H01L27/14—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate including semiconductor components sensitive to infrared radiation, light, electromagnetic radiation of shorter wavelength or corpuscular radiation and specially adapted either for the conversion of the energy of such radiation into electrical energy or for the control of electrical energy by such radiation
    • H01L27/144—Devices controlled by radiation
    • H01L27/1446—Devices controlled by radiation in a repetitive configuration
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/048—Activation functions
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L27/00—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate
    • H01L27/14—Devices consisting of a plurality of semiconductor or other solid-state components formed in or on a common substrate including semiconductor components sensitive to infrared radiation, light, electromagnetic radiation of shorter wavelength or corpuscular radiation and specially adapted either for the conversion of the energy of such radiation into electrical energy or for the control of electrical energy by such radiation
    • H01L27/144—Devices controlled by radiation
    • H01L27/1443—Devices controlled by radiation with at least one potential jump or surface barrier
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L31/00—Semiconductor devices sensitive to infrared radiation, light, electromagnetic radiation of shorter wavelength or corpuscular radiation and specially adapted either for the conversion of the energy of such radiation into electrical energy or for the control of electrical energy by such radiation; Processes or apparatus specially adapted for the manufacture or treatment thereof or of parts thereof; Details thereof
    • H01L31/02—Details
    • H01L31/02016—Circuit arrangements of general character for the devices
    • H01L31/02019—Circuit arrangements of general character for the devices for devices characterised by at least one potential jump barrier or surface barrier
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L31/00—Semiconductor devices sensitive to infrared radiation, light, electromagnetic radiation of shorter wavelength or corpuscular radiation and specially adapted either for the conversion of the energy of such radiation into electrical energy or for the control of electrical energy by such radiation; Processes or apparatus specially adapted for the manufacture or treatment thereof or of parts thereof; Details thereof
    • H01L31/02—Details
    • H01L31/0232—Optical elements or arrangements associated with the device
    • H01L31/02325—Optical elements or arrangements associated with the device the optical elements not being integrated nor being directly associated with the device

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Power Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Electromagnetism (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Neurology (AREA)
  • Optical Integrated Circuits (AREA)
  • Nitrogen And Oxygen Or Sulfur-Condensed Heterocyclic Ring Systems (AREA)

Abstract

本公开涉及半导体结构，更具体地涉及光学神经模拟装置和制造方法。该结构包括：电路系统和多个光电探测器，该电路系统将从光电探测器产生的光电流转换为电流，然后对电流进行求和以模拟神经功能。

Description

光学神经模拟装置
技术领域
本公开涉及半导体结构，更具体地涉及光学神经模拟装置和制造方法。
背景技术
神经模拟智能(也称为神经形态计算)是一种人工智能，其中计算系统将神经过程的基本概念应用于构建智能系统。当前的人工智能系统很慢，这是因为它们严重依赖于工作频率在GHz范围内的电子电路。
常规的光子器件被用于光子功能，并且最近已经开始在光学神经模拟装置中实现。光子系统的工作速度比电子电路系统快得多，例如，光子系统可以走向THz操作。然而，光子系统不是“智能”系统，主要是数据接收和发送单元。此外，使用传统光子器件处理人工智能(AI)计算具有较低的动态范围，例如，无法根据需要增加动态范围和“调节”。因此，这些系统的控制受到限制。作为用于实现神经网络的关键功能的修正线性单元(RectifiedLinear Unit,ReLU)功能在光子器件中也很难实现。
发明内容
在本公开的一方面，一种结构包括电路系统(electrical circuitry)和多个光电探测器，所述电路系统将从所述光电探测器产生的光电流转换为电流，然后对所述电流进行求和以模拟神经功能。
在本公开的一方面，一种结构包括：波导结构；多个光电探测器，其耦合到所述波导结构，每个光电探测器能够从作为来自所述波导结构的输入而接收的光产生光电流；以及电路系统，其耦合到所述多个光电探测器中的每个相应光电探测器，所述电路系统将所述光电流转换为电流，然后对所述电流进行求和以提供Sigmoid或修正线性单元(ReLU)神经传递函数。
在本公开的一方面，一种方法包括：由多个光电探测器产生光电流；将所述多个光电探测器的每个光电流转换为电流；以及对从每个光电流转换而来的每个电流进行求和，并将每个电流的所述和作为Sigmoid或修正线性单元(ReLU)神经网络函数输出。
附图说明
在下面的具体实施方式中，借助本公开的示例性实施例的非限制性示例，参考所提到的多个附图来描述本公开。
图1示出了根据本公开的方面的光学神经模拟装置。
图2示出了根据本公开的方面的用于光子器件(光学器件)的电路。
图3示出了根据本公开的方面的线性光学神经模拟装置。
图4示出了根据本公开的方面的具有不同尺寸的光子器件的线性光学神经模拟装置。
图5示出了根据本公开的另外方面的具有不同尺寸的光子器件的线性光学神经模拟装置。
图6示出了根据本公开的方面的具有替代电路系统的光学神经模拟装置。
图7示出了根据本公开的另外方面的具有替代电路系统的光学神经模拟装置。
图8示出了根据本公开的方面的具有可调电流镜的光学神经模拟装置。
图9示出了根据本公开的方面的具有定向耦合器的光学神经模拟装置。
图10示出了根据本公开的方面的具有环形谐振器的光学神经模拟装置。
图11A至11D示出了根据本公开的方面的可以利用光学神经模拟装置实现的替代电路系统。
具体实施方式
本公开涉及半导体结构，更具体地涉及光学神经模拟装置和制造方法。更具体地，本公开涉及用于光子学人工智能应用的光学神经模拟装置和制造方法。有利地，本公开提供了改善的性能、准确性和带宽，具有受控的高动态范围的能力且易于调节。此外，所述光学神经模拟装置可以容易地与其他电子和光子神经网络共集成。
更具体地，本公开提出了混合光子-电子神经元，所述神经元可以模拟具有高可调动态范围的ReLU和Sigmoid神经元的行为(例如，神经功能)。例如，混合光子-电子神经元提供的动态范围可以容易地通过若干光电探测器控制。这规避了已知饱和并针对ReLU功能具有有限动态范围的已知装置所面临的主要挑战。在实施例中，光子结构将形成具有集成的波导、微环调制器和/或探测器的Sigmoid或ReLU或Sigmoid神经网络。所述光子结构也可以在电子组件和其他光子组件的单片集成中提供。
本公开的光学神经模拟装置可以使用多种不同的工具，以多种方式来制造。然而，一般使用方法和工具来形成具有微米和纳米级尺寸的结构。用于制造本公开的光学神经模拟装置的方法(即，技术)已经根据集成电路(IC)技术被采用。例如，这些结构被构建在晶片上，并在借助对晶片顶部的光刻工艺而图案化的材料膜中实现。具体地，所述光学神经模拟装置的制造使用三个基本构造块：(i)在衬底上沉积材料薄膜；(ii)通过光刻成像在薄膜顶部施加图案化掩模；以及(iii)对掩模选择性地蚀刻薄膜。
图1示出了根据本公开的方面的光学神经模拟装置。更具体地，图1所示的光学神经模拟装置10a包括多个长度变化的波导结构16a、16b和16c，这些波导结构耦合在多模干涉(MMI)耦合器12与例如位于光出射端处的相应光电探测器18a、18b、18c之间。在实施例中，光电探测器18a、18b、18c可以以本领域中公知的任何常规方式耦合到波导结构16a、16b和16c，因此这里不需要进一步解释便可完全理解本公开。光电探测器18a、18b、18c产生光电流，光电流然后被输入到电路20中。此外，如图1所示，电路20的每个输出然后被求和以提供在参考标号14处所示的ReLu函数，例如，输出电流将随着光强度的增加而线性地增加。
波导结构16a、16b和16c具有以下长度：16a<16b<16c。此外，尽管示出了三个具有不同长度的波导结构16a、16b和16c，但是本公开预期任意数量N+1个具有不同长度的波导结构，每个波导结构将光从外部源引导至其相应的光电探测器。并且，通过调节具有不同长度的波导结构的数量，现在可以容易地调节或控制本文所述的光学神经模拟装置10a的动态范围。这规避了饱和的且针对ReLU功能具有有限动态范围的已知装置所面临的主要挑战。
仍参考图1并且借助更具体的示例，耦合到最短波导结构16a的第一光电探测器18a将接收光并产生光电流。然后将该光电流输入到电路20中，该电路将产生并输出电流。当第一光电探测器18a和关联的电路20饱和时(达到其光吸收/转换极限之后)，耦合到波导结构16b的第二光电探测器18b将接收任何剩余的光并产生光电流，然后将该光电流输入到其相应的电路20中。电路20将产生并输出电流。该过程将继续，直到所有的光被吸收并被相应的电路转换为电流为止。替代地，通过了(past)波导结构16a而泄露的任何光都可以被下游光电探测器18b、18c等吸收。在这些情况下，进入系统的所有光将被每个相应的电路20转换为电信号，然后对所述电信号进行求和以针对ReLU功能提供高动态范围，例如，输出电流将随着光强度的增加而线性地增加，如参考标号14所示。而且，如果因为光强度较高或较低而需要进一步调节该装置，则可以增加或减少波导结构和相应的光电探测器的数量。
在实施例中，波导结构16a、16b和16c中的每一个以及MMI耦合器12可以使用常规的光刻、蚀刻和沉积方法由半导体材料制造，因此这里不需要进一步解释便可完全理解本公开。在优选的实施例中，波导结构16a、16b和16c以及MMI耦合器12可以由Si材料制成；但是本文还预期其他半导体材料。例如，半导体材料可以由任何合适的材料构成，包括但不限于Si、SiGeC、SiC、GaAs、InAs、InP以及其他III/V或II/VI族化合物半导体。而且，光电探测器18可以是由不同于波导结构16a、16b、16c的材料构成的任何常规的光电探测器。例如，光电探测器18可以是具有或不具有氮化物衬里(liner)的SiGe材料，并且被嵌入在波导结构16a、16b、16c的半导体材料内或位于该半导体材料的表面上方。
图2示出了用于本文描述的任何实施例的光子器件(光学器件)的电路20。如图所示，电路20包括与放大器23和晶体管25串联连接的二极管21。在实施例中，放大器23是可选的。晶体管25可以是由Vdd预充电的PMOS或NMOS。在操作中，每个光电探测器将产生光电流，该光电流被输入到其相应的电路20，并且在预充电的辅助下，相应的电路20将释放电流。在实施例中，放大器23可以放大由光电探测器提供的光电流。然后对每个电路20的电流进行求和以提供ReLU功能，例如，输出电流将随着光强度的增加而线性地增加，如图1的参考标号14处所示。
图3示出了线性光学神经模拟装置10b，其具有沿着单个波导结构16的长度耦合到单个波导结构16的多个光电探测器18a、18b、18c、18d。在该实施例中，光电探测器18a、18b、18c、18d中的每一个可以具有相同的尺寸，例如长度；尽管如关于图4和图5所讨论的，本文还预期不同尺寸的光电探测器。而且，如在每个实施例中那样，光电探测器18a、18b、18c、18d耦合到相应的电路20。本领域技术人员还应当理解，如在每个实施例中那样，本文预期使用任何数量N+1个光电探测器，具体取决于期望的频率范围。
在图3的配置中，耦合到波导结构16的光电探测器18a将接收光并产生输入到其相应的电路20中的光电流。然后，电路20将从光电流产生电流。通过了光电探测器18a或当光电探测器18a变为饱和时泄露的任何光随后将进入下一光电探测器18b。然后光电探测器18b将产生光电流，该光电流被输入到其相应的电路20中以将光电流转换为电流。该相同的过程将继续，直到所有剩余的光被吸收，例如被光电探测器18d吸收(如果有足够的光可用)。以此方式，进入波导结构16的所有光都对电信号有贡献，然后对该电信号进行求和以针对ReLU功能提供动态范围。
图4示出了具有多个不同长度的光电探测器18a'、18b'、18c'、18d'的线性光学神经模拟装置10c，每个光电探测器沿着线性波导结构16的长度耦合到线性波导结构16。而且，光电探测器18a'、18b'、18c'、18d'中的每一个耦合到相应的电路20。在该配置中，光电探测器的长度如下：18a'>18b'>18c'>18d'。本领域技术人员应当理解，较长的光电探测器将比较短的光电探测器吸收更多的光，从而根据光强度，大部分光可以被光电探测器18a'吸收。
在图4的配置中，光电探测器18a将接收光并产生输入到其相应的电路20中的光电流。然后，电路20从光电流产生电流。通过了光电探测器18a'或当光电探测器18a变为饱和时泄露的任何光将进入下一光电探测器18b'。然后光电探测器18b'将产生光电流，该光电流被输入到其相应的电路20中以将光电流转换为电流。相同的过程将继续，直到所有剩余的光被吸收，例如被光电探测器18d'吸收(如果有足够的光可用)。以此方式，进入波导结构16的所有光都对电信号做出贡献，电信号将被求和以针对ReLU功能提供动态范围。
图5还示出了线性光学神经模拟装置10d，其包括沿着单个波导结构16的长度耦合到单个波导结构16的多个不同长度的光电探测器18a'、18b'、18c'、18d'，例如，18a'>18b'>18c'>18d'。如在图4所示的实施例中那样，光电探测器18a'、18b'、18c'、18d'中的每一个耦合到相应的电路20。然而，在该配置中，最小的(例如，最短的)光电探测器18d'现在最接近光输入，其中相继的光电探测器18c'、18b'、18a'按依次顺序耦合到波导结构16。线性光学神经模拟装置10d的操作类似于参考图4所描述的，将理解，光电探测器18d'将部分地吸收入射光，可能导致下游光电探测器18a、18b'、18c'中的一个或多个接收额外的光以产生光电流并为电信号做出贡献，电信号然后被求和以针对ReLU功能提供动态范围。
图6示出了具有替代电路系统20a1、20a2、20a3、20a4的光学模拟神经装置10e，其包括相应的晶体管25a、25b、25c、25d。在该实施例中，相应的晶体管25a、25b、25c、25d各自具有不同的面积(W/L)。更具体地，在该实施例中，每个相继晶体管25a、25b、25c、25d距离光源越远，面积越大，L4＞L3＞L2＞L1。以此方式，随着其相应的光电探测器18a、18b、18c，18d对光的吸收减少，每个电路系统20a1、20a2、20a3、20a4可以产生较大的电流。尽管未示出，但是还应该认识到，电路系统可以包括二极管。
图7示出了具有替代电路系统20b1、20b2、20b3、20b4的光学模拟神经装置10f。除了具有如关于图6所述的不同面积之外，每个电路系统20b1、20b2、20b3、20b4还包括串联设置的两个晶体管25、27。在该配置中，可以通过施加例如1V或0V的输入电压来接通和关断晶体管27以调节装置。例如，以1V的输入电压接通晶体管27将使来自相应光电探测器18b、18c的光电流用于求和过程；而0V的输入电压将阻止来自相应光电探测器18a、18d的光电流用于求和过程。以此方式，光学神经模拟装置10f提供了具有增加的动态范围的进一步的可调性。请注意，作为具体示例，可以禁用第一分支20b1和最后一分支20b4，从而模拟另一重要的神经传递，即14a所示的Sigmoid函数。应当理解，光电探测器18a、18b、18c、18d中的任何一者都可以被接通和关断，并且图7中提供的信号是用于示例性的非限制目的。
图8示出了具有可调电流镜电路系统20c的光学神经模拟装置10g。在该实施方式中，穿过波导16的光部分地被光电探测器18吸收，从而产生光电流(ipd1…x)。光电流可以被可调电流镜20c放大，从而得到几乎任何电流值(i1,…x)。如前所述，可以对所有电流值进行求和，其中通过调节电流镜20c来调节电输出。
图9示出了具有耦合器22的光学神经模拟装置10h。在该实施方式中，穿过波导结构16的光在定向耦合器或绝热耦合器22的辅助下部分地耦合到相应的光电探测器18。在实施例中，波导结构16和耦合器22之间的相互作用基于倏逝波耦合，但是耦合器22和光电探测器18之间的相互作用可以利用倏逝波耦合或端接耦合。
图10示出了具有环形谐振器24的光学神经模拟装置10i。在该实施方式中，环形谐振器24是微光学环形谐振器，其耦合在波导结构16与相应的光检测器18a、18b、18c、18d之间。本领域技术人员应当理解，环形谐振器24是一组波导，其中至少一个波导是耦合到光输入(例如，波导结构16)和输出(例如，光电探测器)的闭合环路。当谐振波长的光从输入波导结构16穿过该环路时，其由于相长干涉而在多个往返行程(round-trip)中增加了强度，然后输出到光电探测器。由于环路中只有选择的很少的波长处于谐振，因此光学环形谐振器用作滤波器。另外，两个或更多个环形波导可以彼此耦合以形成插/分光学滤波器。
图11A至图11D示出了根据本公开的不同方面的利用光学神经模拟装置实现的替代电路系统。更具体地说，图11A示出了差分运算放大器。图11B示出了积分运算放大器，图11C示出了微分运算放大器，图11D示出了求和运算放大器。通过使用这些不同的运算放大器，诸如在处理电压时执行其他运算(例如，求和、相减、积分和微分)是可能的。
所述光学神经模拟装置可以被用于片上系统(SoC)技术。本领域技术人员应当理解，SoC是将电子系统的所有组件集成在单个芯片或衬底上的集成电路(也称为“芯片”)。由于组件集成在单个衬底上，因此与具有等效功能的多芯片设计相比，SoC消耗的功率少得多，占用的面积也小得多。因此，SoC正成为移动计算(例如智能手机)和边缘计算市场中的主导力量。SoC也常用于嵌入式系统和物联网。
上述方法和/或结构用于集成电路芯片的制造。所得到的集成电路芯片可以由制造商以原始晶片形式(即，作为具有多个未封装芯片的单个晶片)，作为裸芯或以封装形式分发。在后一种情况下，芯片以单芯片封装(例如塑料载体，其引线固定到主板或其它更高级别的载体)或多芯片封装(例如陶瓷载体，其具有表面互连和/或掩埋互连)的形式被安装。在任何情况下，芯片然后与其它芯片、分立电路元件和/或其它信号处理器件集成，作为(a)中间产品(例如主板)或(b)最终产品的一部分。最终产品可以是包括集成电路芯片的任何产品，从玩具和其它低端应用到具有显示器、键盘或其它输入设备以及中央处理器的高级计算机产品。
本公开的各种实施例的描述已经出于说明的目的给出，但并非旨在是穷举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，许多修改和变化对于本领域普通技术人员将是显而易见的。本文中所用术语的选择旨在最好地解释各实施例的原理、实际应用或对市场中发现的技术的技术改进，或者使本技术领域的其他普通技术人员能够理解本文公开的实施例。

Claims (17)

1.一种半导体结构，包括：
多个光电探测器；
电路系统，其将从所述光电探测器产生的光电流转换为电流，然后对所述电流进行求和以模拟神经功能；以及
波导结构，
其中，所述多个光电探测器沿着所述波导结构的长度布置，并且其中，所述多个光电探测器中的每一个具有不同的长度。
2.根据权利要求1所述的结构，其中，神经传递功能的所述模拟是Sigmoid或修正线性单元(ReLU)输出。
3.根据权利要求1所述的结构，进一步包括波导结构，所述波导结构包括多个不同长度的分支，并且每个所述分支在其端部包括相应的光电探测器。
4.根据权利要求1所述的结构，其中，随着所述多个光电探测器远离所述波导结构的输入，所述多个光电探测器中的每一个的长度沿着所述波导结构的长度增大或减小。
5.根据权利要求1所述的结构，其中，所述多个光电探测器通过定向耦合器或绝热耦合器或环形谐振器耦合到所述波导结构。
6.根据权利要求1所述的结构，其中，所述多个光电探测器通过倏逝波耦合或端接耦合来耦合到所述波导结构。
7.根据权利要求1所述的结构，其中，所述电路系统是多个电路，每个电路与所述多个光电探测器中的相应一个光电探测器相关联，并且每个相继定位的电路具有比前一个定位的电路更大的晶体管。
8.根据权利要求7所述的结构，其中，所述电路系统包括第二晶体管，所述第二晶体管被配置为允许或阻止所述光电流用于产生由所述电路系统输出的电流。
9.根据权利要求1所述的结构，其中，所述电路系统是可调电流镜。
10.一种半导体结构，包括：
波导结构；
多个光电探测器，其耦合到所述波导结构，每个光电探测器能够从作为来自所述波导结构的输入而接收的光产生光电流；以及
电路系统，其耦合到所述多个光电探测器中的每个相应光电探测器，所述电路系统将所述光电流转换为电流，然后对所述电流进行求和以提供Sigmoid或修正线性单元(ReLU)神经传递函数，
其中，所述光电探测器沿着所述波导结构的长度布置，并且其中，所述多个光电探测器中的每一个具有不同的长度。
11.根据权利要求10所述的结构，其中，所述波导结构包括多个不同长度的分支，并且每个所述分支包括光电探测器。
12.根据权利要求10所述的结构，其中，随着所述多个光电探测器远离所述波导结构的输入，所述多个光电探测器中的每一个的所述长度沿着所述波导结构的长度增大或减小。
13.根据权利要求10所述的结构，其中，所述多个光电探测器通过定向耦合器或绝热耦合器或环形谐振器耦合到所述波导结构。
14.根据权利要求10所述的结构，其中，所述电路系统是多个电路，每个电路与所述多个光电探测器中的相应一个光电探测器相关联，并且每个相继定位的电路具有比前一个定位的电路更大的晶体管。
15.根据权利要求14所述的结构，其中，所述电路系统包括第二晶体管，所述第二晶体管被配置为允许或阻止所述光电流用于产生由所述电路系统输出的电流。
16.根据权利要求10所述的结构，其中，所述电路系统是可调电流镜。
17.一种半导体结构的操作方法，包括：
由多个光电探测器产生光电流；
将所述多个光电探测器中的每个光电流转换为电流；以及
对从每个光电流转换而来的每个电流进行求和，并将每个电流的所述和作为Sigmoid或修正线性单元(ReLU)神经网络函数输出，
其中，所述光电探测器沿着波导结构的长度布置，并且其中，所述多个光电探测器中的每一个具有不同的长度。
CN202110468613.8A 2020-05-21 2021-04-28 光学神经模拟装置 Active CN113705804B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/880,253 US11537866B2 (en) 2020-05-21 2020-05-21 Optical neuro-mimetic devices
US16/880253 2020-05-21

Publications (2)

Publication Number Publication Date
CN113705804A CN113705804A (zh) 2021-11-26
CN113705804B true CN113705804B (zh) 2023-12-15

Family

ID=78408694

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110468613.8A Active CN113705804B (zh) 2020-05-21 2021-04-28 光学神经模拟装置

Country Status (4)

Country Link
US (1) US11537866B2 (zh)
CN (1) CN113705804B (zh)
DE (1) DE102021110182A1 (zh)
TW (1) TWI775395B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5180911A (en) * 1991-09-03 1993-01-19 Harbor Branch Oceanographic Institution, Inc. Parameter measurement systems and methods having a neural network comprising parameter output means
WO2014066826A1 (en) * 2012-10-25 2014-05-01 Colorado State University Research Foundation Improved multi-analyte optical sensor
CN105046325A (zh) * 2015-07-06 2015-11-11 电子科技大学 一种基于类mos发光器件模拟生物神经网络的电路
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
CN109784486A (zh) * 2018-12-26 2019-05-21 中国科学院计算技术研究所 一种光学神经网络处理器及其训练方法
CN111095303A (zh) * 2017-07-11 2020-05-01 麻省理工学院 光学伊辛机器以及光学卷积神经网络

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
US11062205B2 (en) * 2018-04-06 2021-07-13 Universal Display Corporation Hybrid neuromorphic computing display
US10509167B2 (en) * 2018-04-23 2019-12-17 Hewlett Packard Enterprise Development Lp Optical phase difference calculation using analog processing
US11507818B2 (en) * 2018-06-05 2022-11-22 Lightelligence PTE. Ltd. Optoelectronic computing systems
US10830638B2 (en) * 2018-06-22 2020-11-10 Ciena Corporation Photodetector circuit with improved saturation current and integrated optical filtering
US10627849B1 (en) * 2018-10-08 2020-04-21 The Aerospace Corporation Reservoir computing operations using multi-mode photonic integrated circuits
US11137283B2 (en) * 2019-05-03 2021-10-05 Intel Corporation Photonic apparatus with bias control to provide substantially constant responsivity of a photodetector
WO2021142346A1 (en) * 2020-01-08 2021-07-15 Avicenatech Corp. Packaging for microleds for chip to chip communication
JP2023538839A (ja) * 2020-08-06 2023-09-12 セレッシャル エイアイ インコーポレイテッド コヒーレントなフォトニックコンピューティングアーキテクチャ

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5180911A (en) * 1991-09-03 1993-01-19 Harbor Branch Oceanographic Institution, Inc. Parameter measurement systems and methods having a neural network comprising parameter output means
WO2014066826A1 (en) * 2012-10-25 2014-05-01 Colorado State University Research Foundation Improved multi-analyte optical sensor
CN105046325A (zh) * 2015-07-06 2015-11-11 电子科技大学 一种基于类mos发光器件模拟生物神经网络的电路
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
CN111095303A (zh) * 2017-07-11 2020-05-01 麻省理工学院 光学伊辛机器以及光学卷积神经网络
CN109784486A (zh) * 2018-12-26 2019-05-21 中国科学院计算技术研究所 一种光学神经网络处理器及其训练方法

Also Published As

Publication number Publication date
DE102021110182A1 (de) 2021-11-25
US11537866B2 (en) 2022-12-27
TWI775395B (zh) 2022-08-21
US20210365768A1 (en) 2021-11-25
TW202147564A (zh) 2021-12-16
CN113705804A (zh) 2021-11-26

Similar Documents

Publication Publication Date Title
Sludds et al. Delocalized photonic deep learning on the internet’s edge
Lee et al. Monolithic silicon integration of scaled photonic switch fabrics, CMOS logic, and device driver circuits
Xiao et al. Large-scale and energy-efficient tensorized optical neural networks on III–V-on-silicon MOSCAP platform
US11144821B2 (en) Implementing a neuromorphic computing system using nanophotonic neurons
CN114511073A (zh) 高效率光学神经网络
Liang et al. Integrated green DWDM photonics for next-gen high-performance computing
TW201640820A (zh) 使用雙複製及伺服迴路以對轉阻抗放大器進行精確增益調整的方法與系統
Heidel et al. A review of electronic-photonic heterogeneous integration at DARPA
CN113935493A (zh) 一种基于集成光学的可编程高维量子计算芯片结构
US9442314B2 (en) Ferroelectric-enhanced tuning of ring resonators by using fields parallel to and above a top surface thereof
CN113705804B (zh) 光学神经模拟装置
Tasker et al. A Bi-CMOS electronic photonic integrated circuit quantum light detector
TW201644190A (zh) 使用雙複製及伺服迴路以在轉阻抗放大器中進行程序和溫度補償的方法及系統
Kim et al. A 4× 25-Gbps monolithically integrated Si photonic WDM transmitter with ring modulators
Choi et al. A monolithic GaAs receiver for optical interconnect systems
Wang et al. An electronic-photonic converged adaptive-tuning-step pipelined time-division-multiplexing control scheme for fast and scalable wavelength locking of micro-rings
Masini et al. Silicon photonics transceivers for high-speed data communication
Wade Devices and systems-on-chip for photonic communication links in a microprocessor
Streshinsky et al. Enabling the Next Generation of Photonics through Design IP Reuse
Gudyriev et al. Low-power, ultra-compact, fully-differential 40Gbps direct detection receiver in 0.25 μm photonic BiCMOS SiGe technology
Malyshev et al. Photovaractor for remote optical control of microwave circuits
US7363018B2 (en) High speed electrical interconnect using an optically distributed carrier signal
Hsueh et al. Monolithic Silicon-Photonics Linear-Algebra Accelerators Enabling Next-Gen Massive MIMO
Kramnik et al. Monolithic Integration of Silicon Quantum Photonics and Electronics in a 45nm SOI CMOS Foundry Platform
Zhang et al. Weight Bank Addition Photonic Accelerator for Artificial Intelligence

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