CN114781636B - 一种集成型光子储备池计算装置 - Google Patents

一种集成型光子储备池计算装置 Download PDF

Info

Publication number
CN114781636B
CN114781636B CN202210701251.7A CN202210701251A CN114781636B CN 114781636 B CN114781636 B CN 114781636B CN 202210701251 A CN202210701251 A CN 202210701251A CN 114781636 B CN114781636 B CN 114781636B
Authority
CN
China
Prior art keywords
signal
input
laser chip
optical amplifier
optical
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
CN202210701251.7A
Other languages
English (en)
Other versions
CN114781636A (zh
Inventor
赵彤
张敏
许俊伟
谢文丽
郭浩然
郭龑强
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.)
Taiyuan University of Technology
Original Assignee
Taiyuan University of Technology
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 Taiyuan University of Technology filed Critical Taiyuan University of Technology
Priority to CN202210701251.7A priority Critical patent/CN114781636B/zh
Publication of CN114781636A publication Critical patent/CN114781636A/zh
Application granted granted Critical
Publication of CN114781636B publication Critical patent/CN114781636B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Abstract

本发明公开了一种集成型光子储备池计算装置，涉及光子储备池计算、光子集成领域。该装置包括输入层和储备池，输入层包括具有增透膜的输入端口及光反馈环路，激光器芯片Ⅰ、半导体光放大器Ⅰ及高反射介质膜形成光反馈环路，产生掩模信号，输入端口输入光信号与掩模信号结合，形成被掩模过的输入信号，经过半导体光放大器Ⅱ进入储备池；储备池包括光反馈环路与具有增透膜的输出端口，激光器芯片Ⅱ、半导体光放大器Ⅲ及高反射介质膜形成光反馈环路，输入层传输出来的被掩模过的输入信号经过半导体光放大器Ⅱ，输入光反馈环路，并注入激光器芯片Ⅱ，其在光注入和光反馈下，输出光信号到光反馈环路中，且一部分光信号从输出端口出射作为输出信号。

Description

一种集成型光子储备池计算装置
技术领域
本发明涉及光子储备池计算、光子集成领域，具体为一种集成型光子储备池计算装置。
背景技术
人工智能的兴起引发了一系列热潮和研究。其中一个重要的课题就是关于使其可以具备学习的能力，模拟人脑信息处理方式的神经网络因此而提出。学习信息是科技发展、社会进步的必经之路。为提高信息的利用率，高速的信息处理方式不可或缺。计算机的高性能发挥了重要的作用，但是受到电子工艺的限制，信息处理速率难以再进一步提升。光信息处理的快速和低功耗成为了突破口，提出了光子储备池计算。而传统的储备池计算的中间层需要大量的物理节点连接，在硬件的实现上变得相对困难。2011年提出了一种新颖的储备池计算结构(Nat. Commun., 2, 468, 2011) ，它利用带有延迟环的单个非线性节点形成的虚拟节点代替了物理节点，既可以轻松增加节点的个数，又很好的解决了硬件实现的问题。
非线性节点的选择对系统的性能有着重要的影响。半导体激光器的高带宽、低功耗、体积小等特性无疑是非线性节点的理想选择。因此，各种半导体激光器如分布式反馈激光器、垂直腔面发生激光器、纳米激光器、法布里-珀罗激光器等均被用做储备池计算系统的非线性节点来进行研究和讨论。但是在上述这些延时型储备池计算系统中都仍需要加入各种外部分立光学元件来构建，从而导致了系统体积庞大、对外部因素的鲁棒性较弱、效果不稳定等问题。为了解决这一局限，需要提出一种新的集成型储备池计算系统，或者改进现有的储备池计算装置。
发明内容
本发明为了解决现有延时型光子储备池计算系统构建时除了单个非线性节点外，还需要加入各种独立的光学元件，使得系统体积较大，各光学元件之间相互连接时要考虑光纤的长度，导致外部延时长度难以降低，从而限制信息处理速率的进一步提升；同时考虑到器件裸露在外部难以固定，易受到破坏，出现问题时检测较为麻烦，很难大规模生产实用性不高；并且系统受环境影响因素较大，造成稳定性较差，因此增加了训练的复杂度，难以确定该系统的最优状态的一系列问题，提供了一种集成型光子储备池计算装置。
本发明是通过如下技术方案来实现的：一种集成型光子储备池计算装置，包括输入层和储备池，所述输入层包括具有增透膜的输入端口、半导体光放大器Ⅰ和激光器芯片Ⅰ，所述激光器芯片Ⅰ输出光至半导体光放大器Ⅰ，所述半导体光放大器Ⅰ通过其输出端口处的高反射介质膜进行光反射形成光反馈环路，产生掩模信号，具有增透膜的输入端口输入光信号与光反馈环路形成的掩模信号结合，形成被掩模过的输入信号，再通过半导体光放大器Ⅱ对输入信号强度进行调节注入储备池中；所述储备池包括半导体光放大器Ⅲ、激光器芯片Ⅱ与具有增透膜的输出端口，所述激光器芯片Ⅱ输出光至半导体光放大器Ⅲ，所述半导体光放大器Ⅲ通过其输出端口处的高反射介质膜进行光反射形成光反馈环路，输入层传输过来的被掩模过的输入信号经过半导体光放大器Ⅱ，传输至光反馈环路，并注入激光器芯片Ⅱ，激光器芯片Ⅱ在光注入和光反馈下，再次输出光信号到反馈环路中，且一部分光信号具有增透膜的输出端口出射作为输出信号。
本发明所设计的一种集成型光子储备池计算装置，包括输入层和储备池，工作原理为，先将输入信号在输入层预处理，为输入信号提供输入权重，然后将输入信号在储备池非线性的映射到高维空间。输入层包括具有增透膜的输入端口、半导体光放大器Ⅰ和激光器芯片Ⅰ，需要处理的携带信息的光信号从具有增透膜的输入端口进入输入层，预处理是指将掩模信号与外部输入的光信号结合形成被掩模过的输入信号。掩模信号是具有周期性的复杂信号，为输入信号提供输入权重，周期性的目的是保证对所有输入都具有相同的输入权重，掩模周期与携带信息的光信号的输入速率的倒数相等，复杂性是为了使储备池中的激光器芯片能够产生丰富的输出状态。掩模信号在光反馈环路中产生，激光器芯片Ⅰ输出光至半导体光放大器Ⅰ，半导体光放大器Ⅰ通过其输出端口处的高反射介质膜进行光反射形成光反馈环路，产生掩模信号，反馈时间等于掩模周期，输入的光信号与光反馈环路形成的掩模信号结合，形成被掩模过的输入信号；其中激光器芯片Ⅰ的输入电流大于激光器阈值电流，可使其产生稳定的光输出；半导体光放大器Ⅰ的作用是调节光反馈环路的光强，使激光器芯片能够产生稳态-准周期态切换现象的波形以此来充当掩模信号（《激光与光电子学进展》,2022, 59(5): 0514001），掩模信号也就是光反馈环路中的一部分光信号传输出来与输入信号相结合再通过半导体光放大器Ⅱ（5）对输入信号强度进行调节注入储备池中。储备池进行信息处理的主要部分包括半导体光放大器Ⅲ、激光器芯片Ⅱ与具有增透膜的输出端口，输入层传输过来的被掩模过的输入信号首先通过一个半导体光放大器Ⅱ，之后传输至光反馈环路进入激光器芯片Ⅱ，半导体光放大器Ⅱ的作用为用于调节注入到储备池的光强，目的是使储备池中的激光器芯片在光注入和光反馈的情况下，激光器芯片输出的光信号处于稳态；光反馈环路为：激光器芯片Ⅱ输出光至半导体光放大器Ⅲ，半导体光放大器Ⅲ通过其输出端口处的高反射介质膜进行光反射形成光反馈环路，半导体光放大器Ⅲ的作用是为了调节光反馈环路的光强。输入层传输过来的被掩模过的输入信号经过半导体光放大器Ⅱ，传输至光反馈环路，并注入激光器芯片Ⅱ，激光器芯片Ⅱ在光注入和光反馈下，再次输出光信号到反馈环路中，且一部分光信号具有增透膜的输出端口出射作为输出信号。
使用储备池计算系统进行信息处理有以下几个特点：⑴能将输入信号非线性的映射到高维空间：非线性由激光器芯片产生，高维空间是利用时分复用的方式在反馈环上等间距分布的虚拟节点表示，虚拟节点越多，维数越大；⑵具有衰退记忆的能力：由反馈环引入过去的输入信息；⑶具有一致性和分离性：一致性指在相同或类似（噪声引起）的输入下，具有相同的输出；分离性指不同的输入具有不同的输出。在激光器处于稳态并接近周期态的位置一致性和分离性效果最好。
本发明所提供的一种集成型光子储备池计算装置的具体的工作过程，包括如下步骤：
①输入层对于输入信号进行预处理：在输入层中，具有增透膜的输入端口输入需要处理的携带信息的光信号，激光器芯片Ⅰ的输入电流大于激光器阈值电流，产生稳定的光输出，激光器芯片Ⅰ输出光至半导体光放大器Ⅰ，半导体光放大器Ⅰ通过其输出端口处的高反射介质膜进行光反射形成光反馈环路，产生掩模信号，为输入的光信号提供输入权重，反馈时间等于掩模周期；其中，半导体光放大器Ⅰ调节光反馈环路的光强，使激光器芯片Ⅰ能够产生稳态-准周期态切换现象的波形以此来当作掩模信号；光反馈环路中的一部分光信号，即掩模信号传输出来，与输入信号相结合进入储备池中。
②储备池对输入层输入的信号进行处理：激光器芯片Ⅱ输出光至半导体光放大器Ⅲ，半导体光放大器Ⅲ通过其输出端口处的高反射介质膜进行光反射形成光反馈环路；输入层传输过来的被掩模过的输入信号首先通过半导体光放大器Ⅱ，调节输入到储备池的光强，然后传输到光反馈环路，并注入激光器芯片Ⅱ，激光器芯片Ⅱ在光注入和光反馈的情况下，输出的光信号处于稳态；半导体光放大器Ⅲ调节光反馈环路的光强；激光器芯片Ⅱ输出到光反馈环路中的一部分光信号从具有增透膜的输出端口出射作为输出信号。
③经过对输出信号的采样，采样率为虚拟节点间隔时间的倒数，将每个周期的采样值与事先训练好的输出权重结合形成预测值或分类结果。
优选的，激光器芯片Ⅰ与激光器芯片Ⅱ衬底为Si基SiO2，装置中的信号通过Si基SiO2光波导传输；进一步的，激光器芯片Ⅰ与激光器芯片Ⅱ采用分布式反馈激光器芯片、垂直腔面发射激光器芯片或微腔激光器芯片。
进一步的，所述半导体光放大器Ⅰ、半导体光放大器Ⅱ及半导体光放大器Ⅲ注入正向电流增强反馈光强度，注入反向电流减小反馈光强度。
与现有技术相比本发明具有以下有益效果：本发明所提供的一种集成型光子储备池计算装置，与现有延时型光子储备池计算系统相比，不需要加入外部独立光器件，体积上大大降低，外腔延时长度进一步减小，从而提高了系统的信息处理速率，有效的解决了信息量爆炸式增长而带来的困难；同时器件集成在一起后稳定性大大提升，对操作环境要求降低；在参数调节时，外部因素的影响较小，有助于更快速的确定系统的最优状态，减少了系统的训练成本；不仅如此，这种结构还易于大规模的生产，实用性很高。本发明中使用的芯片和波导都是已经商用的产品，成本较低实际操作容易满足。
附图说明
图1为本发明的结构流程图。
图中标记如下：1-输入端口，2-半导体光放大器Ⅰ，3-激光器芯片Ⅰ，4-高反射介质膜，5-半导体光放大器Ⅱ，6-半导体光放大器Ⅲ，7-激光器芯片Ⅱ，8-输出端口。
具体实施方式
以下结合具体实施例和说明书附图对本发明作进一步说明。
一种集成型光子储备池计算装置，如图1所示：包括输入层和储备池，所述输入层包括具有增透膜的输入端口1、半导体光放大器Ⅰ2和激光器芯片Ⅰ3，所述激光器芯片Ⅰ3输出光至半导体光放大器Ⅰ2，所述半导体光放大器Ⅰ2通过其输出端口处的高反射介质膜4进行光反射形成光反馈环路，产生掩模信号，具有增透膜的输入端口1输入光信号与光反馈环路形成的掩模信号结合，形成被掩模过的输入信号；再通过半导体光放大器Ⅱ5对输入信号强度进行调节注入储备池中；所述储备池包括半导体光放大器Ⅲ6、激光器芯片Ⅱ7与具有增透膜的输出端口8，所述激光器芯片Ⅱ7输出光至半导体光放大器Ⅲ6，所述半导体光放大器Ⅲ6通过其输出端口处的高反射介质膜4进行光反射形成光反馈环路，输入层传输过来的被掩模过的输入信号经过半导体光放大器Ⅱ5，传输至光反馈环路，并注入激光器芯片Ⅱ7，激光器芯片Ⅱ7在光注入和光反馈下，再次输出光信号到反馈环路中，且一部分光信号具有增透膜的输出端口8出射作为输出信号。
本实施例中所采用的激光器芯片Ⅰ3与激光器芯片Ⅱ7衬底为Si基SiO2，装置中的信号通过Si基SiO2光波导传输；进一步的，激光器芯片Ⅰ3与激光器芯片Ⅱ7采用了微腔激光器芯片。
本实施例所提供的集成型光子储备池计算装置的计算方法，具体步骤如下：
①输入层对于输入信号进行预处理：在输入层中，具有增透膜的输入端口1输入需要处理的携带信息的光信号，激光器芯片Ⅰ3的输入电流大于激光器阈值电流，产生稳定的光输出，激光器芯片Ⅰ3输出光至半导体光放大器Ⅰ2，半导体光放大器Ⅰ2通过其输出端口处的高反射介质膜4进行光反射形成光反馈环路，产生掩模信号，为输入的光信号提供输入权重，反馈时间等于掩模周期，半导体光放大器Ⅰ2调节光反馈环路的光强，使激光器芯片Ⅰ3能够产生稳态-准周期态切换现象的波形以此来当作掩模信号，半导体光放大器Ⅰ2注入正向电流增强反馈光强度，注入反向电流减小反馈光强度；光反馈环路中的一部分光信号，即掩模信号传输出来，与输入信号相结合进入储备池中；
②储备池对输入层输入的信号进行处理：激光器芯片Ⅱ7输出光至半导体光放大器Ⅲ6，半导体光放大器Ⅲ6通过其输出端口处的高反射介质膜4进行光反射形成光反馈环路；输入层传输过来的被掩模过的输入信号首先通过半导体光放大器Ⅱ5，调节输入到储备池的光强，然后传输到光反馈环路，并注入激光器芯片Ⅱ7，激光器芯片Ⅱ7在光注入和光反馈的情况下，输出的光信号处于稳态；半导体光放大器Ⅲ6调节光反馈环路的光强；半导体光放大器Ⅱ5及半导体光放大器Ⅲ6注入正向电流增强反馈光强度，注入反向电流减小反馈光强度；激光器芯片Ⅱ7输出到光反馈环路中的一部分光信号从具有增透膜的输出端口8出射作为输出信号；
③经过对输出信号的采样，采样率为虚拟节点间隔时间的倒数，将每个周期的采样值与事先训练好的输出权重结合形成预测值或分类结果。
本发明要求保护的范围不限于以上具体实施方式，而且对于本领域技术人员而言，本发明可以有多种变形和更改，凡在本发明的构思与原则之内所作的任何修改、改进和等同替换都应包含在本发明的保护范围之内。

Claims (5)

1.一种集成型光子储备池计算装置，其特征在于：包括输入层和储备池，所述输入层包括具有增透膜的输入端口（1）、半导体光放大器Ⅰ（2）和激光器芯片Ⅰ（3），所述激光器芯片Ⅰ（3）输出光至半导体光放大器Ⅰ（2），所述半导体光放大器Ⅰ（2）通过其输出端口处的高反射介质膜（4）进行光反射形成光反馈环路，产生掩模信号，具有增透膜的输入端口（1）输入光信号与光反馈环路形成的掩模信号结合，形成被掩模过的输入信号；再通过半导体光放大器Ⅱ（5）对输入信号强度进行调节注入储备池中；
所述储备池包括半导体光放大器Ⅲ（6）、激光器芯片Ⅱ（7）与具有增透膜的输出端口（8），所述激光器芯片Ⅱ（7）输出光至半导体光放大器Ⅲ（6），所述半导体光放大器Ⅲ（6）通过其输出端口处的高反射介质膜（4）进行光反射形成光反馈环路，输入层传输过来的被掩模过的输入信号经过半导体光放大器Ⅱ（5），传输至光反馈环路，并注入激光器芯片Ⅱ（7），激光器芯片Ⅱ（7）在光注入和光反馈下，再次输出光信号到反馈环路中，且一部分光信号具有增透膜的输出端口（8）出射作为输出信号。
2.根据权利要求1所述的一种集成型光子储备池计算装置，其特征在于：激光器芯片Ⅰ（3）与激光器芯片Ⅱ（7）衬底为Si基SiO2，装置中的信号通过Si基SiO2光波导传输。
3.根据权利要求1所述的一种集成型光子储备池计算装置，其特征在于：激光器芯片Ⅰ（3）与激光器芯片Ⅱ（7）采用分布式反馈激光器芯片、垂直腔面发射激光器芯片或微腔激光器芯片。
4.一种集成型光子储备池计算方法，基于权利要求1所述的一种集成型光子储备池计算装置实现，其特征在于：包括如下步骤：
①输入层对于输入信号进行预处理：在输入层中，具有增透膜的输入端口（1）输入需要处理的携带信息的光信号，激光器芯片Ⅰ（3）的输入电流大于激光器阈值电流，产生稳定的光输出，激光器芯片Ⅰ（3）输出光至半导体光放大器Ⅰ（2），半导体光放大器Ⅰ（2）通过其输出端口处的高反射介质膜（4）进行光反射形成光反馈环路，产生掩模信号，为输入的光信号提供输入权重，反馈时间等于掩模周期；其中，半导体光放大器Ⅰ（2）调节光反馈环路的光强，使激光器芯片Ⅰ（3）能够产生稳态-准周期态切换现象的波形以此来当作掩模信号，光反馈环路中的一部分光信号，即掩模信号传输出来，与输入信号相结合进入储备池中；
②储备池对输入层输入的信号进行处理：激光器芯片Ⅱ（7）输出光至半导体光放大器Ⅲ（6），半导体光放大器Ⅲ（6）通过其输出端口处的高反射介质膜（4）进行光反射形成光反馈环路；输入层传输过来的被掩模过的输入信号首先通过半导体光放大器Ⅱ（5），调节输入到储备池的光强，然后传输到光反馈环路，并注入激光器芯片Ⅱ（7），激光器芯片Ⅱ（7）在光注入和光反馈的情况下，输出的光信号处于稳态；半导体光放大器Ⅲ（6）调节光反馈环路的光强；激光器芯片Ⅱ（7）输出到光反馈环路中的一部分光信号从具有增透膜的输出端口（8）出射作为输出信号；
③经过对输出信号的采样，采样率为虚拟节点间隔时间的倒数，将每个周期的采样值与事先训练好的输出权重结合形成预测值或分类结果。
5.根据权利要求4所述的一种集成型光子储备池计算方法，其特征在于：所述半导体光放大器Ⅰ（2）、半导体光放大器Ⅱ（5）及半导体光放大器Ⅲ（6）注入正向电流增强反馈光强度，注入反向电流减小反馈光强度。
CN202210701251.7A 2022-06-21 2022-06-21 一种集成型光子储备池计算装置 Active CN114781636B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210701251.7A CN114781636B (zh) 2022-06-21 2022-06-21 一种集成型光子储备池计算装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210701251.7A CN114781636B (zh) 2022-06-21 2022-06-21 一种集成型光子储备池计算装置

Publications (2)

Publication Number Publication Date
CN114781636A CN114781636A (zh) 2022-07-22
CN114781636B true CN114781636B (zh) 2022-09-06

Family

ID=82421696

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210701251.7A Active CN114781636B (zh) 2022-06-21 2022-06-21 一种集成型光子储备池计算装置

Country Status (1)

Country Link
CN (1) CN114781636B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4589078A (en) * 1983-05-27 1986-05-13 Larry Rosenberg Programming format and apparatus for the improved coherent beam coupler system and method
CN103236833A (zh) * 2013-03-25 2013-08-07 大连理工大学 一种光电反馈混沌激光储备池并行计算的装置
WO2017004576A1 (en) * 2015-07-02 2017-01-05 The Board Of Trustees Of The University Of Illinois Wireless optofluidic systems for programmable in vivo pharmacology and optogenetics
CN110247299A (zh) * 2019-05-22 2019-09-17 上海大学 一种并行双光反馈半导体激光器储备池计算系统
CN110795065A (zh) * 2019-10-31 2020-02-14 太原理工大学 一种基于toad的全光随机数产生装置
CN111934844A (zh) * 2020-07-03 2020-11-13 太原理工大学 一种基于双闭环反馈储备池计算的混沌同步保密通信系统及方法
CN113343814A (zh) * 2021-05-31 2021-09-03 太原理工大学 一种基于单节点光子储备池计算的手写数字图像识别方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112163358B (zh) * 2020-09-30 2023-09-26 中国科学院空天信息创新研究院 基于耦合mems谐振器的储备池计算硬件的实现方法及装置
CN114548393A (zh) * 2022-02-25 2022-05-27 太原理工大学 一种大操作空间的储备池计算高速信息处理系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4589078A (en) * 1983-05-27 1986-05-13 Larry Rosenberg Programming format and apparatus for the improved coherent beam coupler system and method
CN103236833A (zh) * 2013-03-25 2013-08-07 大连理工大学 一种光电反馈混沌激光储备池并行计算的装置
WO2017004576A1 (en) * 2015-07-02 2017-01-05 The Board Of Trustees Of The University Of Illinois Wireless optofluidic systems for programmable in vivo pharmacology and optogenetics
CN110247299A (zh) * 2019-05-22 2019-09-17 上海大学 一种并行双光反馈半导体激光器储备池计算系统
CN110795065A (zh) * 2019-10-31 2020-02-14 太原理工大学 一种基于toad的全光随机数产生装置
CN111934844A (zh) * 2020-07-03 2020-11-13 太原理工大学 一种基于双闭环反馈储备池计算的混沌同步保密通信系统及方法
CN113343814A (zh) * 2021-05-31 2021-09-03 太原理工大学 一种基于单节点光子储备池计算的手写数字图像识别方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
High-Speed Reservoir Computing Based on Circular-Side Hexagonal Resonator Microlaser with Optical Feedback;Tong Zhao 等;《electronics》;20220515;1-13 *
光反馈量子点微柱激光器双模混沌的产生;郭功名 等;《激光与光电子学进展》;20220310;第59卷(第5期);1-12 *
基于光子储备池的混沌激光短期预测和时延特征提取研究;刘奇;《中国优秀博硕士学位论文全文数据库(硕士)基础科学辑》;20220115(第（2022）01期);A005-473 *

Also Published As

Publication number Publication date
CN114781636A (zh) 2022-07-22

Similar Documents

Publication Publication Date Title
Peng et al. Neuromorphic photonic integrated circuits
WO2016206570A1 (zh) 一种短腔长的分布反馈激光器
CN106301754B (zh) 一种基于垂直腔面发射激光器的真随机密码发生装置
Demir et al. SLaC: Stage laser control for a flattened butterfly network
CN114781636B (zh) 一种集成型光子储备池计算装置
Zhang et al. Controllable spiking dynamics in cascaded VCSEL-SA photonic neurons
Yue et al. Reservoir computing based on two parallel reservoirs under identical electrical message injection
Xiang et al. Photonic integrated neuro-synaptic core for convolutional spiking neural network
Tao et al. Performance enhancement of a delay-based Reservoir computing system by using gradient boosting technology
CN109840071B (zh) 一种光学微腔高速物理随机码发生器
Qin et al. Optical packet header identification utilizing an all-optical feedback chaotic reservoir computing
CN114548393A (zh) 一种大操作空间的储备池计算高速信息处理系统
Nie et al. Suppression of relaxation oscillations in DFB lasers through shaping injection current waveforms
CN114944872B (zh) 一种能抑制时延特征的激光器网络同步增强方法
CN114531219B (zh) 一种基于拓扑异构的激光器网络同步调控方法
Yue et al. Experimental Investigation of an Optical Reservoir Computer with MZI-based Optical Mask
CN110534521A (zh) 基于闪存技术的非易失性光波导干涉单元
CN117270100A (zh) 一种实现储备池循环网络的单片光子集成芯片
CN114723022A (zh) 一种基于半导体激光器的深度储备池光计算方法和系统
CN116306859A (zh) 一种基于光注入的并行光储备池计算性能提升系统及方法
Zhang et al. Evolution of neuron-like spiking response and spike-based all-optical XOR operation in a DFB with saturable absorber
CN117856928A (zh) 基于脉冲色散的储备池计算模型的构建装置及方法
CN113612109B (zh) 实现电光锁存功能的半导体激光器、信息加载/锁存方法
CN117456577B (zh) 基于光脉冲神经网络实现表情识别的系统及方法
CN116579397A (zh) 一种基于半导体激光器的光学非线性神经元

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant