CN116171438A - 快速预测处理器 - Google Patents

快速预测处理器 Download PDF

Info

Publication number
CN116171438A
CN116171438A CN202180046559.6A CN202180046559A CN116171438A CN 116171438 A CN116171438 A CN 116171438A CN 202180046559 A CN202180046559 A CN 202180046559A CN 116171438 A CN116171438 A CN 116171438A
Authority
CN
China
Prior art keywords
digital
processing system
vector
photon
digital processing
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.)
Pending
Application number
CN202180046559.6A
Other languages
English (en)
Inventor
迈克尔·古尔德
卡尔·雷米
尼古拉斯·C·哈里斯
达留斯·布南达尔
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.)
Light Matter
Original Assignee
Light Matter
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 Light Matter filed Critical Light Matter
Publication of CN116171438A publication Critical patent/CN116171438A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H17/00—Networks using digital techniques
    • H03H17/02—Frequency selective networks
    • H03H17/06—Non-recursive filters
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M1/00—Analogue/digital conversion; Digital/analogue conversion
    • H03M1/12—Analogue/digital converters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H17/00—Networks using digital techniques
    • H03H2017/0072—Theoretical filter design
    • H03H2017/0081—Theoretical filter design of FIR filters

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Neurology (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Optical Communication System (AREA)
  • Complex Calculations (AREA)
  • Optical Modulation, Optical Deflection, Nonlinear Optics, Optical Demodulation, Optical Logic Elements (AREA)

Abstract

描述了混合模拟‑数字处理系统。混合模拟‑数字处理系统的示例包括被配置成使用光执行矩阵‑向量乘法的光子加速器。光子加速器表现出具有第一带宽(例如，小于3GHz)的频率响应。混合模拟‑数字处理系统还包括与光子加速器耦接的多个模拟数字转换器(ADC)以及与多个ADC耦接的多个数字均衡器，其中，数字均衡器被配置成将混合模拟‑数字处理系统的频率响应设置成大于第一带宽的第二带宽。

Description

快速预测处理器
相关申请的交叉引用
本申请要求2020年6月29日提交的代理案卷第L0858.70029US00号的题为“FASTPREDICTION PROCESSOR”的美国临时专利申请序列号第63/045,772号的根据35 U.S.C.§119(e)的权益，该美国临时申请的全部内容通过引用并入本文中。
背景技术
深度学习、机器学习、潜变量模型、神经网络和其他基于矩阵的可微程序用于解决各种问题，包括自然语言处理和图像中的对象识别。使用深度神经网络解决这些问题通常需要较长的处理时间来执行所需的计算。在解决这些问题方面的计算量最密集的运算通常是数学矩阵运算，例如矩阵乘法。
发明内容
在实施方式中，一种混合模拟-数字处理系统包括：
光子加速器，其被配置成使用光执行矩阵-向量乘法，其中，光子加速器表现出具有第一带宽的频率响应；
与光子加速器耦接的多个模拟数字转换器(ADC)；以及
与多个ADC耦接的多个数字均衡器，其中，数字均衡器被配置成将混合模拟-数字处理系统的频率响应设置成大于第一带宽的第二带宽。
在实施方式中，一种用于使用包括光子加速器的混合模拟-数字处理系统来执行数学运算的方法，该方法包括：
获得表示第一矩阵的多个参数；
获得表示第一输入向量的第一多个输入，并且获得表示第二输入向量的第二多个输入；
在第一时间通过使用光子加速器至少部分地基于多个参数和第一多个输入执行矩阵-向量乘法来生成第一输出向量；
在第一时间之后的第二时间通过使用光子加速器至少部分地基于第二多个输入执行矩阵-向量乘法来生成第二输出向量；以及
通过将第一输出向量与第二输出向量组合来生成均衡输出向量。
附图说明
将参照以下附图来描述本申请的各个方面和实施方式。应当理解，附图不一定按比例绘制。出现在多个附图中的项目在它们出现的附图中用相同的附图标记表示。
图1A示出了根据一些实施方式的代表性矩阵-向量乘法。
图1B是示出根据一些实施方式的被配置成执行矩阵-向量乘法的混合模拟-数字处理器的框图。
图2是示出根据一些实施方式的图1B的光子加速器的一部分的框图。
图3A是示出根据一些实施方式的光子加速器的代表性频率响应的曲线图。
图3B至图3C是示出根据一些实施方式的光子加速器的代表性时域响应的曲线图。
图4是示出根据一些实施方式的包括多个数字均衡器的光子加速器的框图。
图5A是示出根据一些实施方式的数字均衡器的代表性实现方式的框图。
图5B是示出根据一些实施方式的数字均衡器的代表性时域响应的曲线图。
图5C是示出根据一些实施方式的在均衡和未均衡的情况下光子加速器的代表性频率响应的曲线图。
具体实施方式
Ι.概述
发明者已经认识并理解，常规计算系统不足够快以赶上现代应用中对数据吞吐量的不断增长的需求。常规电子处理器面临严重的速度和效率限制，主要是由于电互连中寄生电容的固有存在。电气处理器的电路中的每个布线和晶体管都具有电阻、电感和电容，这导致任何电信号的传播延迟和功率耗散。例如，连接多个处理器核和/或将处理器核连接至存储器使用具有非零阻抗的导电迹线。大的阻抗值限制了数据能够以可忽略的误码率传输通过迹线的最大速率。大多数常规处理器无法支持超过2GHz至3GHz的时钟频率。
在时间延迟至关重要的应用例如高频率股票交易中，即使几百分之一秒的延迟都可能使算法不可使用。对于需要通过数十亿个晶体管进行的数十亿次操作的处理来说，这些延迟加起来构成大量的时间损失。除了电路在速度上的效率低下之外，通过由电路阻抗导致的能量耗散所生成的热也是开发电处理器的障碍。
在数字计算机中，计算的输出必须在被采样之前完全稳定到其最终的一值/零值。否则，在计算的输出稳定之前对其进行采样可能导致错误。通常，一旦计算的输出已经超出晶体管的线性开关阈值，就进行采样，并且直至先前的计算已经完全稳定且已被采样，下一次计算才开始。这限制了数字计算机的吞吐量。
相比之下，模拟计算机不在晶体管的饱和区域中进行操作。代替地，模拟计算机基于值的连续体进行操作。这样的值必须在特定的时间窗口内被解析成限定的精度水平。某些模拟计算机被设计成与数字系统(例如，数字存储器和处理器)一起进行操作。这些系统称为混合模拟-数字计算机。数字系统将模拟计算机的输出离散化成总体2b水平，其中b是输出的位精度。模拟计算机的特征还在于由于存在寄生电容而导致的有限的带宽，与数字处理器相似。有限的带宽使模拟计算机的输出稳定至期望离散化水平所需的时间增加。例如，具有单极点响应的模拟计算机的特征在于时间常数τ，时间常数τ设置了输出信号以其上升和下降的时间刻度。通常，e折时间(e-folding time)(信号上升或下降因数e所需的时间)用于限定该时间常数τ。在这样的系统中，在信号稳定至精确到1/2b的期望离散化水平的值之前可能花费几倍的τ。如果直至先前计算已经稳定至1/2b水平的最终值，后续计算才开始，则这样的系统的性能就受到限制。然而，如果新的计算开始太早，则两个交叠的计算之间会出现干扰，这可能导致对错误输出(本文中称作“计算间干扰”的影响)的采样。
因此，常规计算机——无论性质是数字的还是模拟的——都遭遇有限的吞吐量。
发明者已经开发了改善混合模拟-数字计算系统的数据吞吐量的技术。由发明者开发的且本文中所描述的技术涉及在先前的一组操作数(operand)已经稳定至1/2b水平的最终值之前发起一组新的操作数。这可以在使用数字均衡的一些实施方式中实现。数字均衡涉及反转模拟处理器的通道特性，使得接收到的信号更快速地稳定，从而实现计算间干扰的消除。可以对计算的发射器侧、对计算的接收器侧(或两者)执行数字均衡。可以使用若干种类型的数字均衡技术，包括但不限于预强调、连续时间线性均衡(CTLE)和离散反馈均衡(DFE)。利用了本文中描述的数字均衡技术的处理器可以足够快以支持超过10GHz、15GHz或甚至20GHz的时钟频率，这代表相对于常规处理器的实质性的改进。
II.光子混合处理器
发明人已经认识到并理解使用光信号(代替电信号或与电信号结合)克服电子计算的某些问题。光信号以光速在光行进的介质中行进。因此，光信号的时延远小于电传播延迟的限制。另外，不会由于增加了光信号行进的距离而导致功率消散，因此开辟了使用电信号不可行的新拓扑和处理器布局。因此，光子处理器提供比常规电子处理器更好的速度和效率性能。
一些实施方式涉及被设计成执行机器学习算法或其他类型的数据密集型计算的光子处理器。某些机器学习算法(例如，支持向量机、人工神经网络和概率图形模型学习)严重依赖于多维数组/张量的线性变换。最简单的线性变换是矩阵-向量乘法，其使用具有O(N2)量级的复杂度的常规算法，其中N是与相同维数的向量相乘的方矩阵的维数。通用矩阵-矩阵(GEMM)运算在软件算法——包括用于图形处理、人工智能、神经网络和深度学习的算法——中无处不在。当今计算机中的GEMM计算通常使用基于晶体管的系统例如GPU或收缩阵列系统来执行。
图1A是根据一些实施方式的矩阵-向量乘法的表示。矩阵A在本文中称为“输入矩阵”或仅“矩阵”，并且矩阵A的单个元素在本文中称为“矩阵值”或“矩阵参数”。向量X在本文中称为“输入向量”，并且向量X的单个元素称为“输入值”，或仅“输入”。向量Y在本文中称为“输出向量”，并且向量Y的单个元素称为“输出值”，或仅“输出”。在该示例中，A是N×N矩阵，但本申请的实施方式不限于方矩阵或任何特定维度。在人工神经网络的上下文中，矩阵A可以是若干可能的示例中的权重矩阵，或权重张量的子矩阵块，或激活(批处理)矩阵，或(批处理)激活张量的子矩阵块。类似地，输入向量X可以例如是权重张量的向量或激活张量的向量。
图1A中的矩阵-向量乘法可以按照标量乘法和标量加法来分解。例如，输出值yi(其中，i＝1、2……N)可以被计算为输入值x1、x2……xN的线性组合。获取yi涉及执行标量乘法(例如，Ai1乘以x1，以及Ai2乘以x2)和标量加法(例如，Ai1x1加Ai2x2)。在一些实施方式中，标量乘法、标量加法或两者可以在光域中执行。
图1B示出了根据一些实施方式的使用光子电路实现的混合模拟-数字处理器10。混合处理器10可以被配置成执行(例如，图1A中示出的类型的)矩阵-向量乘法。混合处理器10包括数字控制器100和光子加速器150。数字控制器100在数字域中进行操作而光子加速器150在模拟光子域中进行操作。数字控制器100包括数字处理器102和存储器104。光子加速器150包括光学编码器模块152、光学计算模块154和光学接收器模块156。数字模拟转换(DAC)模块106和108将数字数据转换成模拟信号。模拟数字转换(ADC)模块110将模拟信号转换成数字值。因此，DAC/ADC模块提供数字域与模拟域之间的接口。在该示例中，DAC模块106产生N个模拟信号(针对输入向量的每个条目产生一个模拟信号)，DAC模块108产生N×N个模拟信号(针对矩阵的每个条目产生一个模拟信号)，以及ADC模块110接收N个模拟信号(针对输出向量的每个条目接收一个模拟信号)。虽然矩阵A在该示例中是正方形，但是在一些实施方式中可以是矩形，使得输出向量的规模与输入向量的规模不同。
混合处理器10接收作为来自外部处理器(例如，CPU)的输入的由一组输入位串表示的输入向量，并且产生由一组输出位串表示的输出向量。例如，如果输入向量是N维向量，则输入向量可以由N个单独的位串表示，每个位串表示该向量的相应分量。输入位串可以作为来自外部处理器的电信号接收，以及输出位串可以作为电信号传输至外部处理器。在一些实施方式中，数字处理器102不一定在每次处理迭代之后都输出输出位串。代替地，数字处理器102可以使用一个或更多个输出位串来确定新的输入位流，以通过混合处理器10的部件进行馈送。在一些实施方式中，输出位串本身可以用作针对由混合处理器10实现的处理的后续迭代的输入位串。在其他实施方式中，多个输出位流以各种方式组合以确定后续的输入位串。例如，可以对一个或更多个输出位串一起求和作为确定后续输入位串的一部分。
DAC模块106被配置成将输入位串转换成模拟信号。光学编码器模块152被配置成将模拟信号转换成光学编码信息以由光学计算模块154进行处理。该信息可以以光脉冲的幅度、相位和/或频率来编码。因此，光学编码器模块152可以包括光学幅度调制器、光学相位调制器和/或光学频率调制器。在一些实施方式中，光信号表示作为光脉冲的幅度和相位的相关联位串的值和符号。在一些实施方式中，相位可以被限制成分别表示正值和负值的零相移或π相移的二进制选择。实施方式不限于实数输入向量值。在对光信号进行编码时，可以通过例如使用多于两个相位值来表示复数向量分量。
光学编码器模块152输出N个单独光脉冲，所述N个单独光脉冲被传输至光学计算模块154。光学编码器模块152的每个输出与光学计算模块154的输入一对一耦接。在一些实施方式中，光学编码器模块152可以被设置在与光学计算模块154相同的基板上(例如，光学编码器模块152与光学计算模块154在同一芯片上)。在这样的实施方式中，光信号可以在诸如硅光子波导的波导中从光学编码器模块152传输至光学计算模块154。在其他实施方式中，光学编码器模块152可以被设置在与光学计算模块154分开的基板上。在这样的实施方式中，光信号可以利用光纤从光学编码器模块152传输至光学计算模块154。
光学计算模块154执行输入向量X与矩阵A的乘法。在一些实施方式中，光学计算模块154包括多个光学乘法器，每个光学乘法器被配置成在光域中执行输入向量的条目与矩阵A的条目之间的标量乘法。可选地，光学计算模块154还可以包括用于在光域中将标量乘法的结果彼此相加的光学加法器。替选地，该加法可以以电气方式来执行。例如，光学接收器模块156可以产生由从光电检测器接收的光电流(随时间)的整合所得到的电压。
光学计算模块154输出N个单独光脉冲，所述N个单独光脉冲被传输至光学接收器模块156。光学计算模块154的每个输出与光学接收器模块156的输入一对一耦接。在一些实施方式中，光学计算模块154可以被设置在与光学接收器模块156相同的基板上(例如，光学计算模块154与光学接收器模块156在同一芯片上)。在这样的实施方式中，光信号可以在硅光子波导中从光学计算模块154传输至光学接收器模块156。在其他实施方式中，光学计算模块154可以被设置在与光学接收器模块156分开的基板上。在这样的实施方式中，光信号可以使用光纤从光子处理器103传输至光学接收器模块156。
光学接收器模块156接收来自光学计算模块154的N个光脉冲。光脉冲中的每一个然后被转换成电气模拟信号。在一些实施方式中，光脉冲中的每一个的强度和相位由光学接收器模块内的光学检测器来检测。表示这些测量值的电气信号然后被使用ADC模块110转换至数字域中，并提供回给数字处理器102。
数字处理器102控制光学编码器模块152、光学计算模块154和光学接收器模块156。存储器104可以用于存储输入位串和输出位串以及来自光学接收器模块156的测量结果。存储器104还存储在由数字处理器102执行时控制光学编码器模块152、光学计算模块154和光学接收器模块156的可执行指令。存储器104还可以包括使得数字处理器102基于通过由光学接收器模块156执行的测量确定的一个或更多个输出向量的集合来确定要发送给光学编码器的新的输入向量的可执行指令。以这种方式，数字处理器102可以通过调节光学计算模块154的设置并将来自光学接收器模块156的检测信息馈送回至光学编码器模块152来控制通过其使输入向量与多个矩阵相乘的迭代处理。因此，由混合处理器10传输至外部处理器的输出向量可以是多个矩阵乘法的结果，而不是仅仅单个矩阵乘法的结果。
图2示出了根据一些实施方式的更详细的光子加速器150的一部分。更具体地，图2示出了用于计算输出向量Y的第一条目y1的电路系统。为了简单起见，在该示例中，输入向量仅具有两个条目x1和x2。然而，输入向量可以具有任何适合的大小。
DAC模块106包括DAC 206，DAC模块108包括DAC 208，以及ADC模块110包括ADC210。DAC 206基于它们接收到的值产生电气模拟信号(例如，电压或电流)。例如，电压VX1表示值x1，电压VX2表示值x2，电压VA11表示值A11，以及电压VA12表示值A12。光学编码器模块152包括光学编码器252，光学计算模块154包括光学乘法器154和光学加法器255，以及光学接收器模块156包括光学接收器256。
光源402产生光S0。光源402可以以任何合适的方式实现。例如，光源402可以包括激光器，例如垂直腔表面发射激光器(VCSEL)的边缘发射激光器，其示例将在下面进一步详细描述。在一些实施方式中，光源402可以被配置成产生多个波长的光，这使得能够利用如下面进一步详细描述的波分复用(WDM)进行光处理。例如，光源402可以包括多个激光腔，其中，每个腔被具体地定尺寸，以产生不同的波长。
光学编码器252将输入向量编码成多个光信号。例如，一个光学编码器252将输入值x1编码成光信号S(x1)，而另一光学编码器252将输入值x2编码成光信号S(x2)。由数字处理器102提供的输入值x1和x2是数字带符号实数(例如，具有浮点数字表示或定点数字表示)。光学编码器基于相应输入电压对光S0进行调制。例如，光学编码器404调制光的幅度、相位和/或频率以产生光信号S(x1)而光学编码器406调制光的幅度、相位和/或频率以产生光信号S(x2)。光学编码器可以使用任何合适的光学调制器实现，包括例如光强度调制器。这样的调制器的示例包括马赫-曾德尔调制器(MZM)、弗朗兹-凯尔迪什调制器(FKM)、谐振调制器(例如，基于环形的或基于圆盘的)、纳米电机电系统(NOEMS)调制器等。
光学乘法器被设计成产生指示输入值与矩阵值之间的乘积的信号。例如，一个光学乘法器254产生指示输入值x1与矩阵值A11之间的乘积的信号S(A11x1)，而另一光学乘法器254产生指示输入值x2与矩阵值A12之间的乘积的信号S(A12x2)。光学乘法器的示例包括马赫-曾德尔调制器(MZM)、弗朗兹-凯尔迪什调制器(FKM)、谐振调制器(例如，基于环形的或基于圆盘的)、纳米电机电系统(NOEMS)调制器等。在一个示例中，光学乘法器可以使用可调制检测器实现。可调制检测器是具有可以使用输入电压调制的特性的光电检测器。例如，可调制检测器可以是具有可以使用输入电压调制的响应度的光电检测器。在该示例中，输入电压(例如VA11)设置光电检测器的响应度。结果是可调制检测器的输出不仅取决于输入光信号的幅度，而且取决于输入电压。如果可调制检测器在其线性区域中进行操作，可调制检测器的输出取决于输入光信号的幅度与输入电压的乘积(从而实现期望的乘法功能)。
光学加法器412接收电子模拟信号S(A11x1)和S(A12x2)以及(由光源414生成的)光S0’，并且产生指示A11x1与A12x2之和的光信号S(A11x1+A12x2)。
光学接收器256基于光信号S(A11x1+A12x2)生成指示和A11x1+A12x2的电子数字信号。在一些实施方式中，光学接收器256包括相干检测器和跨阻抗放大器。相干检测器产生指示干涉仪的波导之间的相位差的输出。因为相位差是和A11x1+A12x2的函数，所以相干检测器的输出也指示该和。ADC将相干接收器的输出转换成输出值y1＝A11x1+A12x2。输出值y1可以被提供作为回到数字处理器102的输入，数字处理器可以将输出值用于进一步处理。
III.数字均衡
发明者已经认识并理解，在前一部分中描述的类型的基于光的混合处理器，尽管实质上快于常规的全数字处理器，但是仍遭遇有限的带宽。本文中描述的类型的基于光的混合处理器快于全数字处理器，这是因为一些导电迹线被光波导所替代，并且光波导不遭遇寄生电容。尽管如此，这些基于光的混合处理器仍然包括一些导电迹线以用于支持控制光子处理器的操作的电信号。遗憾的是，这样的导电迹线表现出寄生电容。导电迹线越长，寄生电容越大且基于光的混合处理器的带宽越低。例如，1cm或更长的电气路径可以将处理器的带宽限制成小于3GHz。图3A示出了混合处理器的作为频率的函数的代表性幅度响应。在该示例中，混合处理器表现出具有2GHz与3GHz之间的带宽的单极点响应。
在图3B中示出了具有这样的响应的影响，图3B示出了根据一些实施方式的混合处理器的时域响应。该曲线图示出了目标稳定水平(最终期望水平)和处理器的作为时间的函数的实际响应。处理器的有限带宽导致响应要花费几纳秒才能达到期望水平。与处理器带宽成反比例的特征时间常数τ设置输出信号以其上升和下降的速率。通常，e折时间(信号上升或下降因数e的时间)用于限定该时间常数τ。在这样的系统中，在信号稳定至精确到1/2b(其中，b表示位精度)的期望离散化水平的值之前可能花费几倍的τ。如果直至先前计算已经稳定至1/2b水平的最终值，后续计算才开始，则这样的系统的性能就受到限制。然而，如果新的计算开始太早，则两个交叠的计算之间会出现干扰，这可能导致计算间干扰。
图3C是示出根据一些实施方式的混合处理器的模拟响应和用于非归零编码输出的作为时间的函数的数字数据的曲线图。如图所示，模拟响应改变不足够快以能够精准复制数字数据的水平，这可能导致错误。
发明者已经开发了允许在先前的一组操作数稳定至最终值之前发起一组新的操作数的技术。由发明者开发的技术涉及确定混合处理器的通道特性(例如，混合处理器的特定信号路径的频率响应)并且使通道特性均衡以扩展混合处理器的带宽。通道均衡使得接收到的信号能够更快速地稳定，从而实现计算间干扰的消除。在一些实施方式中，可以使用数字滤波器执行通道均衡。可以使用若干种类型的数字均衡技术，包括但不限于预强调、连续时间线性均衡(CTLE)和离散反馈均衡(DFE)。本文中描述的利用了数字均衡技术的处理器可以足够快以支持超过10GHz、15GHz或甚至20GHz的时钟频率，这代表相对于常规处理器的实质性的改进。
图4是根据一些实施方式的包括多个通道的光子加速器的一部分的框图。在该示例中，每个通道以结合图2所讨论的方式布置。因此，每个通道包括两个或更多个光学编码器252、两个或更多个光学乘法器254、光学加法器255、光学接收器256和ADC 210。在一些实施方式中，光子加速器可以被设计成对非常大的矩阵例如256×256、512×512或1024×1024的量级(但是矩阵不必是正方形)执行矩阵向量乘法。在这些示例中，光子加速器可以包括256、512或1024个通道，针对矩阵的每一行包括一个通道。
每个通道包括与ADC的输出耦接的数字均衡器400。到均衡通道的输入被识别为y[n](其中，n＝1，2……N是离散化的时间变量)，以及输出被识别为w[n]。在一些实施方式中，均衡通道400通过对先前的状态样本y[n]、y[n-1]、y[n-2]等的线性组合进行计算来生成输出w[n]。该线性组合可以表示为如下所示：
Figure BDA0004026080120000101
其中，ci是表示通道响应的系数(实数系数或复数系数)。在此，M确定使用多少先前的状态样本y[n]来实现均衡。在M是有限数的情况下，数字均衡器400实现有限脉冲响应(FIR)滤波器。然而，在其他实施方式中，数字均衡器400可以实现无限脉冲响应(IIR)滤波器。每个状态样本y[n-i]对应于模拟信号的幅度的过去(其中i>0)或当前(其中i＝0)的数字化，并且w[n]对应于针对当前组数字输入的经计算的稳定状态输出值。图5A是示出根据一些实施方式的实现这样的线性组合的数字均衡器400的框图。在该示例中，数字均衡器400包括多个寄存器500、多个数字乘法器501和数字加法器502。每个寄存器500记录不同时间的状态样本(y)。例如，一个寄存器可以记录y[n-1]，另一寄存器可以记录y[n-2]等。寄存器使得数字均衡器400能够记住历史状态样本。数字乘法器501将状态样本与对应系数相乘。数字乘法器中的一个例如可以将系数c1乘以状态样本y[n-1]。数字加法器502将数字乘法的结果彼此相加。作为结果，输出w[n]表示历史状态样本的线性组合。
系数ci可以基于混合处理器的通道特性以多种方式中的任何方式来确定。在一些实施方式中，可以通过利用已知激励对混合处理器进行激励，并且通过以期望速率对输出进行采样来获取系数ci。在一些这样的实施方式中，可以基于以下表达式来计算系数(但是最后一个系数应当被选择为使得所有的系数的总和等于1)：
Figure BDA0004026080120000111
在一些实施方式中，已知激励可以是阶跃信号。图5B是示出阶跃信号激励(数字数据)和对应的模拟响应的曲线图。在该特定示例中，数字均衡器记录三个样本，并且基于这三个样本，获得以下ci系数：0.834、0.167和-0.001。
在一些实施方式中，数字均衡器可以抑制输出信号的低频分量并且可以放大较高频分量。这致使潜在干扰计算的较大的时域分离并且因此以非常高的速率运行计算的能力。图5C是示出根据一些实施方式的在均衡或未均衡的情况下光子加速器的幅度响应的曲线图。如该图中所示，非均衡光子加速器的响应表现出2GHz与3GHz之间的带宽(例如，3dB带宽)。受限的带宽可能是由于例如控制光子加速器的电路系统中存在的寄生电容。数字均衡器抑制低频并放大较高频(在该示例中，峰值在15GHz与20GHz之间)。因此，均衡光子加速器表现出比未均衡的带宽更大的带宽。例如，均衡光子加速器的带宽可以在10GHz与30GHz之间。利用由于数字均衡获得的带宽扩展，可以使用具有大于非均衡光子加速器的带宽的频率的时钟来对混合处理器进行计时，同时实现计算间干扰的消除。图5C还示出具有在非均衡光子加速器的带宽与均衡光子加速器的带宽之间的频率的时钟。
应当理解，生成w[n]的均衡函数不需要是线性函数。在一些实施方式中，均衡函数可以是非线性的。在一些实施方式中，数字均衡器可以被设计成实现离散线性时不变系统，并且借助于z变换将传递函数转换成线性常系数差分方程。考虑传递函数：
Figure BDA0004026080120000112
使用该传递函数，均衡器可以由(使用逆z变换的)差分方程表示：
Figure BDA0004026080120000121
其中，ai表示前馈系数(用于从输入至输出的传播)并且bk表示后馈系数(用于从输入至输出的传播)。合适的传递函数的选择取决于要预测其输出值的模拟系统，并且该传递函数可以通过识别系统的零点和极点来测量。
IV.附加注释
因此已经描述了本申请的技术的若干方面和实施方式，应当理解，本领域普通技术人员将容易想到各种改变、修改和改进。这样的改变、修改和改进旨在落入本申请中描述的技术的精神和范围内。因此，要理解的是，前述实施方式仅通过示例的方式呈现，并且在所附权利要求书及其等同物的范围内，发明性实施方式可以以不同于具体描述的方式被实践。另外，如果本文中描述的两个或更多个特征、系统、物品、材料和/或方法不相互矛盾，则这样的特征、系统、物品、材料和/或方法的任何组合都包括在本公开内容的范围内。
此外，如所描述的，一些方面可以被体现为一种或更多种方法。作为方法的一部分执行的动作可以以任何合适的方式排序。因此，可以构造以与所示顺序不同的顺序来执行动作的实施方式，即使在示例性实施方式中被示出为顺序动作，所述实施方式仍然可以包括同时执行一些动作。
如在本文中所定义和所使用的，定义应当被理解为是对字典定义、通过引用并入的文献中的定义和/或所定义的术语的普通含义的控制。
除非清楚地被指示为相反含义，否则如本文在说明书中和在权利要求书中使用的不定冠词“一(a)”和“一个(an)”应当被理解为意指“至少一个”。
如本文中在本说明书和权利要求书中使用的短语“和/或”应当被理解为是指如此结合的元素中的“任一个或两个”，即，在某些情况下结合地存在和在其他情况下分离地存在的元素。
如本文中在说明书和权利要求书中使用的，关于一个或更多个元素的列表的短语“至少一个”应当被理解为意指选自元素列表中的元素中的任何一个或更多个元素的至少一个元素，但不一定包括元素列表内具体列出的每个和每一元素中的至少一个元素，并且不排除元素列表中的元素的任何组合。该定义还允许：无论是与具体标识的那些元素相关还是不相关，除了在短语“至少一个”所指的元素列表内具体标识的元素之外，还可以可选地存在元素。
在一些实施方式中，术语“近似”、“基本”和“约”可以用于指在目标值的±20％内。术语“近似”、“基本”和“约”可以包括目标值。
在权利要求书中使用诸如“第一”、“第二”、“第三”等的顺序术语来修饰权利要求元素本身并不意味着一个权利要求元素相对于另一权利要求元素的任何优先权、优先级或顺序或者执行方法的动作的时间顺序，而是仅用作将具有某个名称的一个权利要求元素和具有相同名称(但是使用顺序术语)的另一权利要求元素进行区分的标记，从而区分权利要求的元素。
另外，本文中所使用的措辞和术语是出于描述的目的，并且不应当被认为是限制性的。使用“包含”、“包括”、“具有”、“包含有”、“涉及”以及本文中的变型意在涵盖之后列出的项目及其等同形式以及附加项目。

Claims (21)

1.一种混合模拟-数字处理系统，包括：
光子加速器，其被配置成使用光执行矩阵-向量乘法，其中，所述光子加速器表现出具有第一带宽的频率响应；
与所述光子加速器耦接的多个模拟数字转换器(ADC)；以及
与所述多个ADC耦接的多个数字均衡器，其中，所述数字均衡器被配置成将所述混合模拟-数字处理系统的频率响应设置成大于所述第一带宽的第二带宽。
2.根据权利要求1所述的混合模拟-数字处理系统，还包括时钟电路系统，所述时钟电路系统被配置成使用具有在所述第一带宽与所述第二带宽之间的频率的时钟对所述数字均衡器进行计时。
3.根据权利要求1所述的混合模拟-数字处理系统，其中，所述多个数字均衡器中的至少一个数字均衡器包括多个寄存器，所述多个寄存器被配置成存储历史样本并且至少部分地基于所述历史样本提供输出。
4.根据权利要求1所述的混合模拟-数字处理系统，其中，所述数字均衡器被配置成执行连续时间线性均衡(CTLE)。
5.根据权利要求1所述的混合模拟-数字处理系统，其中，所述数字均衡器包括有限脉冲响应(FIR)滤波器，所述FIR滤波器包括被配置成使所述光子加速器的频率响应均衡的相应多个系数。
6.根据权利要求5所述的混合模拟-数字处理系统，其中，通过将一个或更多个已知输入传递通过所述光子加速器来确定所述相应多个系数。
7.根据权利要求6所述的混合模拟-数字处理系统，其中，所述已知输入包括阶跃输入。
8.根据权利要求1所述的混合模拟-数字处理系统，其中，所述光子加速器包括长度大于1cm的至少一个电气路径，并且其中，所述第一带宽小于3GHz。
9.根据权利要求1所述的混合模拟-数字处理系统，其中，所述第二带宽在10GHz与30GHz之间。
10.根据权利要求1所述的混合模拟-数字处理系统，其中，所述数字均衡器被配置成执行离散反馈均衡(DFE)。
11.根据权利要求1所述的混合模拟-数字处理系统，其中，所述光子加速器包括多个可调制检测器，并且其中，所述光子加速器被配置成使用所述多个可调制检测器执行矩阵-向量乘法。
12.根据权利要求1所述的混合模拟-数字处理系统，其中，所述光子加速器包括多个光学加法器，并且其中，所述光子加速器被配置成使用所述多个光学加法器执行矩阵-向量乘法。
13.一种用于使用包括光子加速器的混合模拟-数字处理系统来执行数学运算的方法，所述方法包括：
获得表示第一矩阵的多个参数；
获得表示第一输入向量的第一多个输入，并且获得表示第二输入向量的第二多个输入；
在第一时间通过使用所述光子加速器至少部分地基于所述多个参数和所述第一多个输入执行矩阵-向量乘法来生成第一输出向量；
在所述第一时间之后的第二时间通过使用所述光子加速器至少部分地基于所述第二多个输入执行矩阵-向量乘法来生成第二输出向量；以及
通过将所述第一输出向量与所述第二输出向量组合来生成均衡输出向量。
14.根据权利要求13所述的方法，其中，将所述第一输出向量与所述第二输出向量组合包括将所述第一输出向量与所述第二输出向量线性组合。
15.根据权利要求14所述的方法，还包括通过将一个或更多个已知输入传递通过所述光子加速器来确定多个系数，其中，将所述第一输出向量与所述第二输出向量线性组合包括使用所述多个系数将所述第一输出向量与所述第二输出向量线性组合。
16.根据权利要求15所述的方法，其中，将一个或更多个已知输入传递通过所述光子加速器包括将一个或更多个阶跃输入传递通过所述光子加速器。
17.根据权利要求13所述的方法，还包括使用具有大于所述光子加速器的带宽的频率的时钟为所述混合模拟-数字处理系统提供时钟。
18.根据权利要求13所述的方法，其中，所述带宽小于3GHz，并且所述时钟的频率在10GHz与30GHz之间。
19.根据权利要求13所述的方法，其中，将所述第一输出向量与所述第二输出向量组合包括执行连续时间线性均衡(CTLE)。
20.根据权利要求13所述的方法，其中，将所述第一输出向量与所述第二输出向量组合包括执行离散反馈均衡(DFE)。
21.根据权利要求13所述的方法，其中，使用所述光子加速器执行矩阵-向量乘法包括使用多个可调制检测器执行矩阵-向量乘法。
CN202180046559.6A 2020-06-29 2021-06-25 快速预测处理器 Pending CN116171438A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US202063045772P 2020-06-29 2020-06-29
US63/045,772 2020-06-29
PCT/US2021/039227 WO2022005910A1 (en) 2020-06-29 2021-06-25 Fast prediction processor

Publications (1)

Publication Number Publication Date
CN116171438A true CN116171438A (zh) 2023-05-26

Family

ID=79031905

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180046559.6A Pending CN116171438A (zh) 2020-06-29 2021-06-25 快速预测处理器

Country Status (7)

Country Link
US (2) US12038777B2 (zh)
EP (1) EP4172814A4 (zh)
JP (1) JP2023532877A (zh)
KR (1) KR20230034326A (zh)
CN (1) CN116171438A (zh)
TW (1) TW202201164A (zh)
WO (1) WO2022005910A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024091950A1 (en) * 2022-10-24 2024-05-02 Ntt Research, Inc. Coherent solvers for boolean satisfiability problem solvers
WO2024134903A1 (ja) * 2022-12-23 2024-06-27 日本電信電話株式会社 機械学習システム

Family Cites Families (99)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3872293A (en) 1972-01-07 1975-03-18 Us Navy Multi-dimensional fourier transform optical processor
US4567569A (en) 1982-12-15 1986-01-28 Battelle Development Corporation Optical systolic array processing
US4739520A (en) 1983-09-14 1988-04-19 The Ohio State University Optical switching system
GB2154772B (en) 1984-02-25 1987-04-15 Standard Telephones Cables Ltd Optical computation
US4607344A (en) 1984-09-27 1986-08-19 The United States Of America As Represented By The Secretary Of The Navy Triple matrix product optical processors using combined time-and-space integration
US4686646A (en) 1985-05-01 1987-08-11 Westinghouse Electric Corp. Binary space-integrating acousto-optic processor for vector-matrix multiplication
US4809204A (en) 1986-04-04 1989-02-28 Gte Laboratories Incorporated Optical digital matrix multiplication apparatus
US4849940A (en) 1987-12-10 1989-07-18 The Washington Technology Center Optical neural net memory
US4877297A (en) 1988-04-29 1989-10-31 Rockwell International Corporation Reconfigurable 0ptical interconnect using dynamic hologram
GB2220780B (en) 1988-07-05 1992-12-23 Mitsubishi Electric Corp Neurocomputer
US5004309A (en) 1988-08-18 1991-04-02 Teledyne Brown Engineering Neural processor with holographic optical paths and nonlinear operating means
US4948212A (en) 1988-08-22 1990-08-14 California Institute Of Technology Optical processing in III-V and II-VI compound semiconductors
US5077619A (en) 1989-10-25 1991-12-31 Tacan Corporation High linearity optical transmitter
US5220644A (en) 1989-11-22 1993-06-15 Hitachi, Ltd. Optical neural network system
JP2762808B2 (ja) 1991-01-09 1998-06-04 松下電器産業株式会社 空間光変調素子および投写型ディスプレイ装置
GB2267165A (en) 1992-05-11 1993-11-24 Sharp Kk Optical information processor
GB2269296A (en) 1992-08-01 1994-02-02 Northern Telecom Ltd Telecommunications switch architecture
US5495356A (en) 1993-04-30 1996-02-27 Nec Research Institute, Inc. Multidimensional switching networks
US5333117A (en) 1993-10-04 1994-07-26 Nec Research Institute, Inc. Parallel MSD arithmetic using an opto-electronic shared content-addressable memory processor
WO1995024006A1 (de) 1994-03-02 1995-09-08 Matthias Budil Optischer vektormultiplizierer für neuronale netze
US5640261A (en) 1994-08-18 1997-06-17 Fuji Photo Film Co., Ltd. Optical operation apparatus for finding an inner product of vectors using light
US5699449A (en) 1994-11-14 1997-12-16 The University Of Connecticut Method and apparatus for implementation of neural networks for face recognition
US6005998A (en) 1998-02-20 1999-12-21 Lucent Technologies Inc. Strictly non-blocking scalable matrix optical switch
US6060710A (en) 1998-12-21 2000-05-09 The United States Of America As Represented By The Secretary Of The Army Infrared Mueller matrix detection and ranging system
US6178020B1 (en) 1999-09-30 2001-01-23 Ut-Battelle, Llc Modules and methods for all photonic computing
WO2001091342A2 (en) 2000-05-24 2001-11-29 Purdue Research Foundation Method and system for polarization control and polarization mode dispersion compensation for wideband optical signals
AU2001282416A1 (en) 2000-07-27 2002-02-13 Civcom Devices & Systems Ltd. Data processing using polarization-based optical switching and broadcasting
US6728434B2 (en) 2001-06-04 2004-04-27 Axun Technologies, Inc. MEMS dynamic optical spectral filter
AUPR726901A0 (en) 2001-08-24 2001-09-20 Uniquest Limited Quantum optical cnot gate
IL145245A0 (en) 2001-09-03 2002-06-30 Jtc 2000 Dev Delaware Inc System and method including vector-matrix multiplication
KR20050042243A (ko) 2001-11-06 2005-05-06 더 존스 홉킨스 유니버시티 단일 양자들의 양자 상태들을 이용하는 논리 연산들을수행하기 위한 기술들
US7136587B1 (en) 2001-11-15 2006-11-14 Meshnetworks, Inc. System and method for providing simulated hardware-in-the-loop testing of wireless communications networks
US7317574B2 (en) 2002-05-20 2008-01-08 Magiq Technologies, Inc. Long-distance quantum communication
DE50201169D1 (de) 2002-06-24 2004-11-04 Alcatel Sa Vorrichtung für ein passives optisches Netzwerk
WO2005029404A2 (en) 2002-12-09 2005-03-31 The Johns Hopkins University Method and apparatus for single-photon source and quantum memory
US7366416B2 (en) 2003-08-11 2008-04-29 General Instrument Corporation Hub for a passive optical network hub
US7133173B2 (en) 2004-07-26 2006-11-07 Hewlett-Packard Development Company, L.P. Nonlinear electromagnetic quantum information processing
US7660533B1 (en) 2004-08-04 2010-02-09 The United States Of America As Represented By The Secretary Of The Army Quantum Fourier transform based information transmission system and method
JP4927548B2 (ja) 2004-08-04 2012-05-09 古河電気工業株式会社 光回路装置
WO2007086888A2 (en) 2005-03-04 2007-08-02 Cornell Research Foundation, Inc. Electro-optic modulation
US8560282B2 (en) 2005-07-11 2013-10-15 D-Wave Systems Inc. Quantum processor-based systems, methods and apparatus for solving problems as logic circuits
US7843572B2 (en) 2005-09-29 2010-11-30 The General Hospital Corporation Method and apparatus for optical imaging via spectral encoding
JP5053282B2 (ja) 2005-10-13 2012-10-17 ナショナル・アイシーティ・オーストラリア・リミテッド サンプリングされた光信号の監視のための方法および装置
US8023828B2 (en) 2005-10-17 2011-09-20 Hewlett-Packard Development Company, L.P. Quantum information conversion between matter and light representations
US7774675B1 (en) 2005-12-05 2010-08-10 Marvell International Ltd. LDPC codes and expansion method
KR101309677B1 (ko) 2006-01-27 2013-09-17 디-웨이브 시스템즈, 인코포레이티드 단열 양자 연산 방법
JP5313912B2 (ja) 2006-12-05 2013-10-09 ディー−ウェイブ システムズ，インコーポレイテッド 量子プロセッサ要素の局所的プログラミングのためのシステム、方法、および装置
KR100890389B1 (ko) 2006-12-05 2009-03-26 한국전자통신연구원 편광 무의존 단방향 양자 암호 수신 및 송수신 장치
US8548334B2 (en) 2006-12-06 2013-10-01 Mohammad Mazed Dynamic intelligent bidirectional optical access communication system with object/intelligent appliance-to-object/intelligent appliance interaction
US7985965B2 (en) 2007-03-29 2011-07-26 Raytheon Company Quantum computing device and method including qubit arrays of entangled states using negative refractive index lenses
US7843209B2 (en) 2007-04-25 2010-11-30 D-Wave Systems Inc. Architecture for local programming of quantum processor elements using latching qubits
US7539375B2 (en) 2007-05-04 2009-05-26 Massachusetts Institute Of Technology Optical coupled resonator structures based on loop-coupled cavities and loop coupling phase
EP2176727A1 (en) 2007-07-09 2010-04-21 BAE Systems PLC Improvements relating to optical vector matrix multipliers
US8027587B1 (en) 2007-08-21 2011-09-27 Sandia Corporation Integrated optic vector-matrix multiplier
EP2209038B1 (en) 2007-10-10 2014-06-25 NEC Corporation Optical modulator and optical communication system
US8190553B2 (en) 2007-12-20 2012-05-29 Routt Thomas J Methods and systems for quantum search, computation and memory
JP5091717B2 (ja) 2008-02-21 2012-12-05 株式会社東芝 量子計算方法および量子計算機
CN101630178B (zh) 2008-07-16 2011-11-16 中国科学院半导体研究所 一种硅基集成化的光学向量-矩阵乘法器
JP4786727B2 (ja) 2009-03-27 2011-10-05 株式会社東芝 量子計算方法、量子計算機およびプログラム
US8620855B2 (en) 2009-04-17 2013-12-31 Microsoft Corporation Use of topological charge measurements to change between different qubit encodings
US8705900B2 (en) 2010-03-19 2014-04-22 Nippon Telegraph And Telephone Corporation Optical modulator
EP2544376A4 (en) * 2010-03-29 2013-03-13 Huawei Tech Co Ltd METHOD OF PROCESSING DATA, SYSTEM AND RECEIVER
US8026837B1 (en) 2010-04-22 2011-09-27 The Aerospace Corporation Systems and methods for converting wideband signals in the optical domain
US9002160B2 (en) 2011-07-28 2015-04-07 Jds Uniphase Corporation Optical switch having a multirow waveguide array
US8837544B2 (en) 2011-10-28 2014-09-16 Hewlett-Packard Development Company, L.P. Quantum optical device
US8693895B2 (en) 2011-11-11 2014-04-08 Wuhan Research Institute Of Posts And Telecommunications Signal transmission and reception device and method
US9014568B2 (en) 2012-02-16 2015-04-21 Nec Laboratories America, Inc. Next generation optical access network with centralized digital OLT
US9712235B2 (en) 2012-02-28 2017-07-18 Spatial Digital Systems, Inc. Resource allocation in PON networks via wave-front multiplexing and de-multiplexing
US8625936B1 (en) 2012-06-29 2014-01-07 Alcatel Lucent Advanced modulation formats using optical modulators
US10534189B2 (en) 2012-11-27 2020-01-14 The Board Of Trustees Of The Leland Stanford Junior University Universal linear components
FR3002654A1 (fr) 2013-02-26 2014-08-29 St Microelectronics Sa Modulateur optique avec correction de polarisation automatique
JP6011719B2 (ja) 2013-04-24 2016-10-19 日本電気株式会社 偏波分離器、及び光デバイス
US9633715B2 (en) 2013-05-31 2017-04-25 Hitachi, Ltd. Semiconductor device capable of attaining ground state in an ising model
WO2015006494A1 (en) 2013-07-09 2015-01-15 Board Of Trustees Of The Leland Stanford Junior University Computation using a network of optical parametric oscillators
GB201402736D0 (en) 2013-07-26 2014-04-02 Isis Innovation Method of training a neural network
CN105531946B (zh) 2013-12-23 2018-01-19 华为技术有限公司 一种光差分信号的发送和接收方法、装置和系统
US9287889B2 (en) 2014-04-17 2016-03-15 The Board Of Regents, The University Of Texas System System and method for dynamic path-mismatch equalization in time-interleaved ADC
US9354039B2 (en) 2014-06-06 2016-05-31 Massachusetts Institute Of Technology Methods, systems, and apparatus for programmable quantum photonic processing
US9544062B2 (en) 2014-12-22 2017-01-10 Opel Solar, Inc. Coherent optical receiver
US9753224B2 (en) 2015-03-25 2017-09-05 The Board Of Trustees Of The Leland Stanford Junior University Field-programmable optical component
WO2016191679A1 (en) 2015-05-28 2016-12-01 Massachusetts Institute Of Technology Apparatus and methods for quantum key distribution
US9941957B2 (en) 2016-01-07 2018-04-10 Luxtera, Inc. Method and system for connectionless integrated optical receiver and transmitter test
GB2551685B (en) 2016-02-16 2019-12-11 Toshiba Kk An optical device, a transmitter for a quantum communication system and a quantum communication system
US10126572B2 (en) 2016-03-31 2018-11-13 Huawei Technologies Co., Ltd. Automatic endless polarization controller for a silicon-on-insulator platform
EP4057185A1 (en) 2016-06-02 2022-09-14 Massachusetts Institute of Technology Apparatus and methods for optical neural network
WO2018071866A1 (en) 2016-10-13 2018-04-19 Fathom Computing Wavelength multiplexed matrix-matrix multiplier
WO2018098230A1 (en) 2016-11-22 2018-05-31 Massachusetts Institute Of Technology Systems and methods for training neural networks
US10095262B2 (en) 2016-12-12 2018-10-09 The Aerospace Corporation Systems and methods for performing linear algebra operations using multi-mode optics
US10382139B2 (en) 2016-12-21 2019-08-13 Ceragon Networks Ltd. Polarization pre-coding for a single carrier communication system
US11290150B2 (en) 2017-05-03 2022-03-29 Assia Spe, Llc Systems and methods for implementing high-speed waveguide transmission over wires
US10634851B2 (en) 2017-05-17 2020-04-28 Massachusetts Institute Of Technology Apparatus, systems, and methods for nonblocking optical switching
US10757450B2 (en) 2017-10-05 2020-08-25 Cable Television Laboratories, Inc System and methods for data compression and nonuniform quantizers
WO2019217835A1 (en) 2018-05-10 2019-11-14 The Board Of Trustees Of The Leland Stanford Junior University Training of photonic neural networks through in situ backpropagation
CA3100326A1 (en) 2018-05-15 2019-11-21 Lightmatter, Inc. Photonic processing systems and methods
TW202005312A (zh) 2018-05-15 2020-01-16 美商萊特美特股份有限公司 用於訓練基於矩陣的可微分程式的系統及方法
WO2019236251A1 (en) 2018-06-04 2019-12-12 Lightmatter, Inc. Convolutional layers for neural networks using programmable nanophotonics
WO2019236250A1 (en) 2018-06-04 2019-12-12 Lightmatter, Inc. Real-number photonic encoding
TWI735886B (zh) * 2018-06-05 2021-08-11 美商光子智能股份有限公司 計算系統
US20230152667A1 (en) * 2020-04-16 2023-05-18 The George Washington University Photonic tensor core matrix vector multiplier

Also Published As

Publication number Publication date
EP4172814A4 (en) 2024-09-11
US20210405682A1 (en) 2021-12-30
TW202201164A (zh) 2022-01-01
WO2022005910A1 (en) 2022-01-06
US12038777B2 (en) 2024-07-16
EP4172814A1 (en) 2023-05-03
US20240310867A1 (en) 2024-09-19
JP2023532877A (ja) 2023-08-01
KR20230034326A (ko) 2023-03-09

Similar Documents

Publication Publication Date Title
US20240310867A1 (en) Fast prediction processor
TWI831932B (zh) 混合類比-數位處理器及該處理器中執行的方法
TW202112074A (zh) 用於使用線性光子處理器來進行類比計算的系統及方法
TWI825452B (zh) 光電計算系統
TWI767877B (zh) 光電處理系統
WO2019236251A1 (en) Convolutional layers for neural networks using programmable nanophotonics
Mehrabian et al. A winograd-based integrated photonics accelerator for convolutional neural networks
WO2019222185A1 (en) Photonic processing systems and methods
TWI777108B (zh) 計算系統、計算裝置及計算系統的操作方法
CN113568470A (zh) 光电处理设备、系统和方法
CN113570051A (zh) 光电处理系统
WO2021152404A1 (en) Reservoir computing
Wang et al. Multi-wavelength photonic neuromorphic computing for intra and inter-channel distortion compensations in wdm optical communication systems
Demirkiran et al. A blueprint for precise and fault-tolerant analog neural networks
Wahls et al. Inverse nonlinear Fourier transforms via interpolation: The Ablowitz-Ladik case
Kossel et al. Feedback delay reduction of Tomlinson–Harashima precoder in 14 nm CMOS via pipelined MAC units operated entirely with CSA arithmetic
Garofolo Matrix Processing With Photonic Analog Computing
Weiss et al. Energy Efficiency of Photonic Convolution for Artificial Intelligence Workloads

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