CN116739063A - 一种基于多模干涉仪以及相干检测的神经网络加速器 - Google Patents
一种基于多模干涉仪以及相干检测的神经网络加速器 Download PDFInfo
- Publication number
- CN116739063A CN116739063A CN202310556058.3A CN202310556058A CN116739063A CN 116739063 A CN116739063 A CN 116739063A CN 202310556058 A CN202310556058 A CN 202310556058A CN 116739063 A CN116739063 A CN 116739063A
- Authority
- CN
- China
- Prior art keywords
- module
- multimode
- optical signal
- multimode interferometer
- neural network
- 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
Links
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 36
- 230000001427 coherent effect Effects 0.000 title claims abstract description 24
- 238000001514 detection method Methods 0.000 title claims abstract description 23
- 230000003287 optical effect Effects 0.000 claims abstract description 104
- 239000004065 semiconductor Substances 0.000 claims abstract description 24
- 230000008878 coupling Effects 0.000 claims abstract description 6
- 238000010168 coupling process Methods 0.000 claims abstract description 6
- 238000005859 coupling reaction Methods 0.000 claims abstract description 6
- 230000011664 signaling Effects 0.000 claims abstract description 3
- 239000011159 matrix material Substances 0.000 claims description 16
- 230000005540 biological transmission Effects 0.000 claims description 8
- 230000008054 signal transmission Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 239000000969 carrier Substances 0.000 claims description 2
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000000034 method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 101100045631 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) TMA19 gene Proteins 0.000 description 3
- 101100345725 Schizosaccharomyces pombe (strain 972 / ATCC 24843) mmi1 gene Proteins 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000002184 metal Substances 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
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06N3/06—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
-
- 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
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- 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
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
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)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Neurology (AREA)
- Optical Integrated Circuits (AREA)
Abstract
本申请提出了一种基于多模干涉仪以及相干检测的神经网络加速器，涉及光学神经网络领域，包括半导体激光器、多模干涉仪模块、耦合器模块与平衡探测器模块，其中，半导体激光器模块提供光信号；多模干涉仪模块将光信号分为多路，并调节光信号的相位，输出处理光信号与参考光信号；耦合器模块用于实现处理光信号与参考光信号的相干检测，并将处理光信号与参考光信号耦合到同一波导；平衡探测器模块将在同一波导中传输的处理光信号与参考光信号进行拍频，并将拍频后的光信号转换为电信号，作为人工神经网络下一层的输入信号。本申请通过引入多模干涉仪，且在多模干涉区域内引入电极，结合相干检测，实现复数域内的神经网络，从而增强网络的拟合能力。
Description
技术领域
本申请涉及光学神经网络领域，尤其涉及一种基于多模干涉仪以及相干检测的神经网络加速器。
背景技术
目前实现光学神经网络的方案主要可以分为基于级联的马赫曾德尔干涉仪方案以及基于波长的方案。基于级联的马赫曾德尔干涉仪方案是根据矩阵分解的原理，将一个矩阵分解为三个矩阵的乘积，这三个矩阵分别由三个不同的马赫曾德尔干涉仪级联网络的传输矩阵构成。基于波长的方案则是利用波分复用技术串联多个微环调制器，每个微环调制器对应的谐振波长都不相同,调节一个微环调制器的电信号仅改变该微环调制器对应谐振波长的光信号。
基于级联的马赫曾德尔干涉仪方案所需器件的复杂度与其实现矩阵的维度成平方关系，而且马赫曾德尔干涉仪器件的尺寸相对较大，在几百微米的数量级，因此相干方案难以实现较大规模的集成。而基于微环调制器的方案所使用的器件尺寸较小，虽然能集成更大的系统，但由于微环对于工艺的敏感性，通常需要添加额外的加热器来控制微环调制器的谐振波长，因此基于微环调制器的方案会产生更高的能耗。
发明内容
针对上述问题，提出了一种基于多模干涉仪以及相干检测的神经网络加速器，通过引入工艺误差不敏感的多模干涉仪，并在多模干涉仪的多模干涉区域内引入多个电极，以更小的尺寸完成矩阵运算，得到可编程的光学神经网络，实现更加紧凑的结构，并增加网络的拟合能力。
本申请提出了一种基于多模干涉仪以及相干检测的神经网络加速器，包括半导体激光器、多模干涉仪模块、耦合器模块与平衡探测器模块，其中，
所述半导体激光器、所述多模干涉仪模块、所述耦合器模块与所述平衡探测器模块依次连接；
所述半导体激光器模块为所述多模干涉仪模块提供光信号；
所述多模干涉仪模块将所述光信号分为多路，并调节所述光信号的相位，输出处理光信号与参考光信号至所述耦合器模块；
所述耦合器模块用于实现所述处理光信号与所述参考光信号的相干检测，并将所述处理光信号与所述参考光信号耦合到同一波导；
所述平衡探测器模块将在所述同一波导中传输的所述处理光信号与所述参考光信号进行拍频，并将所述拍频后的光信号转换为电信号，作为人工神经网络下一层的输入信号。
可选的，所述半导体激光器，包括：
分布反馈式半导体激光器；
分布式布拉格半导体激光器。
可选的，所述多模干涉仪模块，包括：
第一多模干涉仪模块，将所述光信号均分到N+1路中，确定N路的待处理光信号与第N+1路的参考光信号；
第二多模干涉仪模块，所述第二多模干涉仪模块为N输入N输出的多模干涉仪，用于执行矩阵运算，输出处理光信号；
第一移相器模块，用于作用于所述第二多模干涉仪模块的输入波导，调节所述待处理信号的相位，其中，所述第一移相器模块的电信号为神经网络中输入向量的值；
第二移相器模块，用于作用于所述第二多模干涉仪模块的输出波导，调节传输矩阵；
第三移相器模块，用于调节所述参考光信号的相位。
可选的，所述第一多模干涉仪模块为由一个1×N+1的多模干涉仪或多个1×2的多模干涉仪组成的N+1路分束器。
可选的，所述第一移相器模块、所述第二移相器模块与所述第三移相器模块，包括：
热光移相器；
电光移相器。
可选的，所述第二多模干涉仪模块，包括：
通孔，用于将多模波导区域与电极连接；
所述电极，用于经过所述通孔施加电信号作用到多模干涉区域上，改变所述通孔附近的载流子浓度，从而改变所述通孔附近的所述多模干涉区域的折射率，从而改变所述第二多模干涉仪模块的所述传输矩阵；
单模波导到多模波导的过渡区，用于减少所述待处理信号光信号传输的损耗。
可选的，所述耦合器模块，包括：
交叉波导，使两路交叉的所述处理光信号与所述参考光信号沿着各自的传播方向传输；
耦合器第一子模块，所述耦合器第一子模块为1×2的定向耦合器，用于将所述参考光信号的能量耦合部分作为每一路所述处理光信号相干检测的光信号；
耦合器第二子模块，将所述参考光信号与所述处理光信号耦合到同一波导中。
可选的，所述耦合器第二子模块为2×2的定向耦合器或由2×2的多模干涉仪组成。
本申请的实施例提供的技术方案至少带来以下有益效果：
通过引入工艺误差不敏感的多模干涉仪，并在多模干涉仪的多模干涉区域内引入多个电极，以更小的尺寸完成矩阵运算，得到可编程的光学神经网络，实现更加紧凑的结构，并结合相干检测，实现复数域内的神经网络，从而增强网络的拟合能力。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1是根据本申请示例性实施例示出的一种基于多模干涉仪以及相干检测的神经网络加速器的框图；
图2是根据本申请示例性实施例示出的一种基于多模干涉仪以及相干检测的神经网络加速器的结构架构；
图3是根据本申请示例性实施例示出的一种基于多模干涉仪以及相干检测的神经网络扩充加速器的结构架构；
图4是根据本申请示例性实施例示出的一种基于多模干涉仪以及相干检测的神经网络加速器中第二多模干涉仪模块的结构图；
图5是根据本申请示例性实施例示出的一种基于多模干涉仪以及相干检测的神经网络加速器中各波导的结构图。
具体实施方式
下面详细描述本申请的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
图1是根据本申请示例性实施例示出的一种基于多模干涉仪以及相干检测的神经网络加速器100的框图，包括半导体激光器110、多模干涉仪模块120、耦合器模块130与平衡探测器模块140，其中，
半导体激光器110、多模干涉仪模块120、耦合器模块130与平衡探测器模块140依次连接；
半导体激光器模块110为多模干涉仪模块120提供光信号；
多模干涉仪模块120将光信号分为多路，并调节光信号的相位，输出处理光信号与参考光信号至耦合器模块130；
耦合器模块130用于实现处理光信号与参考光信号的相干检测，并将处理光信号与参考光信号耦合到同一波导；
平衡探测器模块140将在同一波导中传输的所述处理光信号与所述参考光信号进行拍频，并将所述拍频后的光信号转换为电信号，作为人工神经网络下一层的输入信号。。
下面根据图2具体说明各个模块的构造。
如图2所示，LD为半导体激光器110，为本发明的结构提供光源。其中，半导体激光器包括分布反馈式半导体激光器与分布式布拉格半导体激光器，并根据实际需求选择其他型号的激光器。
一种可能的实施例中，半导体激光器110为分布反馈式半导体激光器。
其中，多模干涉仪模块120，还包括：
第一多模干涉仪模块，将光信号均分到N+1路中，确定N路的待处理光信号与第N+1路的参考光信号；
第二多模干涉仪模块，第二多模干涉仪模块为N输入N输出的多模干涉仪，用于执行矩阵运算，输出处理光信号；
第一移相器模块，用于作用于第二多模干涉仪模块的输入波导，调节待处理信号的相位，其中，第一移相器模块的电信号为神经网络中输入向量的值；
第二移相器模块，用于作用于第二多模干涉仪模块的输出波导，调节传输矩阵；
第三移相器模块，用于调节参考光信号的相位。
一种可能的实施例中，如图2所示，MMI1为第一多模干涉仪模块，MMI2为第二多模干涉仪模块，PS1-PS4为第一移相器模块，PS5-PS8为第二移相器模块，PS9为第三移相器模块，下面做具体说明与分析。
如本申请实施例的图2所示，在N取4时，MMI1将半导体激光器输出的光信号均分到5路中，其中4路光信号分别经过PS1、PS2、PS3与PS4输入到MMI2后，再分别通过PS5、PS6、PS7与PS8传输至耦合器模块130，第5路光信号经过PS9直接传输至耦合器模块130。
本申请实施例中，MMI1为由一个1×N+1的多模干涉仪或多个1×2的多模干涉仪组成的N+1路分束器，PS1-PS9种类包括但不限于热光移相器以及电光移相器。
另外，对第二多模干涉仪模块MMI2作具体说明。
MMI2的具体结构如图4所示，其中，MMR为多模干涉区域，Taper1-Taper8为单模波导到多模波导的过渡区，用于减少光信号传输的损耗，Met为由金属构成的电极，用于连接电信号，由电极施加电信号可以改变多模干涉区域通孔附近的折射率分布从而改变多模干涉仪的传输矩阵，Via为通孔，将多模波导区域与金属形成的电极连接起来。
本申请实施例中，基于自成像原理，进入多模干涉仪区域内的光信号会周期性重复出现，通过调节多模干涉区域的长度和宽度可以改变光信号在输出端口的透射率。而由于自成像原理依赖于材料的折射率，可以通过自由载流子色散效应达到改变多模干涉区域折射率的目的。其中，电极上施加的电信号经过通孔作用到多模干涉区域上，改变通孔附近的载流子浓度，从而改变通孔附近的多模干涉区域的折射率。因此，使得整个多模干涉仪的传输矩阵发生改变。
需要说明的是，本申请中第二多模干涉仪模块内MMI2的数量并不固定，第二移相器模块内PS5-PS8的数量也不固定，图2只是本申请实施例提出的最基本的结构，在应用中根据实际情况扩充与MMI2与PS5-PS8相同的结构，从而改变加速器的结构应也属于本申请的保护范围之内。
一种可能的实施例中，对图2提出的加速器进行扩充，扩充的加速器结构如图3所示。
如图2所示，耦合器模块130包括交叉波导Cross1-Cross4、耦合器第一子模块DC1-DC4以及耦合器第二子模块Coupler1-Coupler4。
其中，Cross1-Cross4使得两路交叉的光信号沿着各自的传播方向传输，即两路交叉的处理光信号与参考光信号沿着各自的传播方向分别传输到DC1-DC4；
DC1-DC4均为1×2的定向耦合器，将参考光信号的能量耦合部分作为每一路处理光信号相干检测的光信号；
Coupler1-Coupler4将参考光信号与经过MMI2和移相器作用的处理光信号耦合到同一波导中。
一种可能的实施例中，如图5所示，Wg1-wg5均为光信号的波导，Cross1使得wg1中的光信号传输到wg3，wg2中的光信号传输到wg4中，DC1将wg4中部分的光信号耦合到wg5中
另外，Coupler1-Coupler4为2×2的定向耦合器，或者由2×2的多模干涉仪组成。
如图2所示，平衡探测器模块140包括平衡光电探测器BPD1-BPD4。
另外，如图2所示，本申请实施例中，各个模组连接的黑色直线以及黑色曲线部分均为单模波导结构。
本申请实施例通过引入工艺误差不敏感的多模干涉仪，并在多模干涉仪的多模干涉区域内引入多个电极，以更小的尺寸完成矩阵运算，得到可编程的光学神经网络，实现更加紧凑的结构，并结合相干检测，实现复数域内的神经网络，从而增强网络的拟合能力。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (8)
1.一种基于多模干涉仪以及相干检测的神经网络加速器，其特征在于，包括半导体激光器、多模干涉仪模块、耦合器模块与平衡探测器模块，其中，
所述半导体激光器、所述多模干涉仪模块、所述耦合器模块与所述平衡探测器模块依次连接；
所述半导体激光器模块为所述多模干涉仪模块提供光信号；
所述多模干涉仪模块将所述光信号分为多路，并调节所述光信号的相位，输出处理光信号与参考光信号至所述耦合器模块；
所述耦合器模块用于实现所述处理光信号与所述参考光信号的相干检测，并将所述处理光信号与所述参考光信号耦合到同一波导；
所述平衡探测器模块将在所述同一波导中传输的所述处理光信号与所述参考光信号进行拍频，并将所述拍频后的光信号转换为电信号，作为人工神经网络下一层的输入信号。
2.根据权利要求1所述的神经网络加速器，其特征在于，所述半导体激光器，包括：
分布反馈式半导体激光器；
分布式布拉格半导体激光器。
3.根据权利要求1所述的神经网络加速器，其特征在于，所述多模干涉仪模块，包括：
第一多模干涉仪模块，将所述光信号均分到N+1路中，确定N路的待处理光信号与第N+1路的参考光信号；
第二多模干涉仪模块，所述第二多模干涉仪模块为N输入N输出的多模干涉仪，用于执行矩阵运算，输出处理光信号；
第一移相器模块，用于作用于所述第二多模干涉仪模块的输入波导，调节所述待处理信号的相位，其中，所述第一移相器模块的电信号为神经网络中输入向量的值；
第二移相器模块，用于作用于所述第二多模干涉仪模块的输出波导，调节传输矩阵；
第三移相器模块，用于调节所述参考光信号的相位。
4.根据权利要求3所述的神经网络加速器，其特征在于，所述第一多模干涉仪模块为由一个1×N+1的多模干涉仪或多个1×2的多模干涉仪组成的N+1路分束器。
5.根据权利要求1所述的神经网络加速器，其特征在于，所述第一移相器模块、所述第二移相器模块与所述第三移相器模块，包括：
热光移相器；
电光移相器。
6.根据权利要求3所述的神经网络加速器，其特征在于，所述第二多模干涉仪模块，包括：
通孔，用于将多模波导区域与电极连接；
所述电极，用于经过所述通孔施加电信号作用到多模干涉区域上，改变所述通孔附近的载流子浓度，从而改变所述通孔附近的所述多模干涉区域的折射率，从而改变所述第二多模干涉仪模块的所述传输矩阵；
单模波导到多模波导的过渡区，用于减少所述待处理信号光信号传输的损耗。
7.根据权利要求1所述的神经网络加速器，其特征在于，所述耦合器模块，包括：
交叉波导，使两路交叉的所述处理光信号与所述参考光信号沿着各自的传播方向传输；
耦合器第一子模块，所述耦合器第一子模块为1×2的定向耦合器，用于将所述参考光信号的能量耦合部分作为每一路所述处理光信号相干检测的光信号；
耦合器第二子模块，将所述参考光信号与所述处理光信号耦合到同一波导中。
8.根据权利要求1所述的神经网络加速器，其特征在于，所述耦合器第二子模块为2×2的定向耦合器或由2×2的多模干涉仪组成。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310556058.3A CN116739063A (zh) | 2023-05-15 | 2023-05-15 | 一种基于多模干涉仪以及相干检测的神经网络加速器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310556058.3A CN116739063A (zh) | 2023-05-15 | 2023-05-15 | 一种基于多模干涉仪以及相干检测的神经网络加速器 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116739063A true CN116739063A (zh) | 2023-09-12 |
Family
ID=87910674
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310556058.3A Pending CN116739063A (zh) | 2023-05-15 | 2023-05-15 | 一种基于多模干涉仪以及相干检测的神经网络加速器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116739063A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117891023A (zh) * | 2024-03-15 | 2024-04-16 | 山东云海国创云计算装备产业创新中心有限公司 | 光子芯片、异构计算系统、精度调整方法及产品 |
| CN117891023B (zh) * | 2024-03-15 | 2024-05-31 | 山东云海国创云计算装备产业创新中心有限公司 | 光子芯片、异构计算系统、精度调整方法及产品 |
-
2023
- 2023-05-15 CN CN202310556058.3A patent/CN116739063A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117891023A (zh) * | 2024-03-15 | 2024-04-16 | 山东云海国创云计算装备产业创新中心有限公司 | 光子芯片、异构计算系统、精度调整方法及产品 |
| CN117891023B (zh) * | 2024-03-15 | 2024-05-31 | 山东云海国创云计算装备产业创新中心有限公司 | 光子芯片、异构计算系统、精度调整方法及产品 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xiong et al. | High-speed two-mode switch for mode-division multiplexing optical networks | |
| Dupuis et al. | Design and Fabrication of Low-Insertion-Loss and Low-Crosstalk Broadband $2\times 2$ Mach–Zehnder Silicon Photonic Switches | |
| Kumar et al. | Implementation of optical switches using Mach–Zehnder interferometer | |
| Priti et al. | Reconfigurable and scalable multimode silicon photonics switch for energy-efficient mode-division-multiplexing systems | |
| Priti et al. | A reconfigurable multimode demultiplexer/switch for mode-multiplexed silicon photonics interconnects | |
| CN112001487A (zh) | 一种光子神经网络 | |
| Kumar et al. | Implementation of 2-bit multiplier based on electro-optic effect in Mach–Zehnder interferometers | |
| JPH09105894A (ja) | 偏光独立性光学装置 | |
| CN113805641B (zh) | 一种光子神经网络 | |
| Cao et al. | Mesh-structure-enabled programmable multitask photonic signal processor on a silicon chip | |
| Jia et al. | Six-port optical switch for cluster-mesh photonic network-on-chip | |
| CN115905792A (zh) | 一种用于光学实数矩阵计算的马赫曾德尔干涉仪网络 | |
| Zheng et al. | Chip-scale reconfigurable optical full-field manipulation: enabling a compact grooming photonic signal processor | |
| Zheng et al. | Ultra-compact reconfigurable device for mode conversion and dual-mode DPSK demodulation via inverse design | |
| Han et al. | On-chip non-blocking optical mode exchanger for mode-division multiplexing interconnection networks | |
| CN116739063A (zh) | 一种基于多模干涉仪以及相干检测的神经网络加速器 | |
| CN110989102A (zh) | 基于vcsel阵列混合集成和光纤垂直封装的硅基wdm光发送装置 | |
| CN106772819B (zh) | 硫系玻璃光子晶体光纤2×2干涉型全光开关及控制方法 | |
| US20230342596A1 (en) | Optical matrix multiplication unit for an optoelectronic system for forming an artificial neural network | |
| Kumar et al. | High speed optical 4-bit twisted ring counter using electro-optic effect of Mach-Zehnder interferometer | |
| Matsunaga et al. | Operating performance of silicon photonic optical switches integrated with WDM filters for low-latency edge-computing platforms | |
| CN112783260A (zh) | 一种光计算设备、光运算方法以及计算系统 | |
| Jonuzi et al. | Integrated optical output layer for a reservoir computer based on frequency multiplexing | |
| Le et al. | High bandwidth all-optical 3× 3 switch based on multimode interference structures | |
| JP4113161B2 (ja) | 光導波路型スイッチ |
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 |