CN117454950A - 一种基于单行载流子光电探测器的神经元 - Google Patents

一种基于单行载流子光电探测器的神经元 Download PDF

Info

Publication number
CN117454950A
CN117454950A CN202311400518.XA CN202311400518A CN117454950A CN 117454950 A CN117454950 A CN 117454950A CN 202311400518 A CN202311400518 A CN 202311400518A CN 117454950 A CN117454950 A CN 117454950A
Authority
CN
China
Prior art keywords
row carrier
light intensity
photodetector
photocurrent
output
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
CN202311400518.XA
Other languages
English (en)
Inventor
彭张皖
潘炜炜
姚偌云
宫敏
池超旦
吉晨
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.)
Zhejiang University ZJU
Zhejiang Lab
Original Assignee
Zhejiang University ZJU
Zhejiang Lab
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 Zhejiang University ZJU, Zhejiang Lab filed Critical Zhejiang University ZJU
Priority to CN202311400518.XA priority Critical patent/CN117454950A/zh
Publication of CN117454950A publication Critical patent/CN117454950A/zh
Pending legal-status Critical Current

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
    • 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
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
    • Y02P70/50—Manufacturing or production processes characterised by the final manufactured product

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)
  • Photometry And Measurement Of Optical Pulse Characteristics (AREA)

Abstract

本公开涉及光通信技术领域，尤其涉及一种基于单行载流子光电探测器的神经元。其中，该神经元包括：非线性激活函数单元，非线性激活函数单元包括至少一对单行载流子光电探测器，任一对单行载流子光电探测器包括第一单行载流子光电探测器和第二单行载流子光电探测器；其中，第一单行载流子光电探测器对应的第一饱和光电流和第二单行载流子光电探测器对应的第二饱和光电流不同，非线性激活函数单元用于根据光电流之差与光强之间的对应关系实现激活函数的功能，其中，光电流之差为第一单行载流子光电探测器输出的第一光电流和第二单行载流子光电探测器输出的第二光电流之间的差值。采用本公开可以降低能耗，提高计算速度。

Description

一种基于单行载流子光电探测器的神经元
技术领域
本公开涉及光通信技术领域，尤其涉及一种基于单行载流子光电探测器的神经元。
背景技术
在光电混合神经网络中，光子器件主要用于权重分配的功能，而电子器件则用来实现非线性激活函数。而对于神经网络而言，其性能的优劣主要取决于非线性激活函数的性能优劣。因此，将线性和非线性运算全部都集中在光域进行运算可以有效提升光计算的效率。
相关技术中，利用光子器件实现非线性激活函数的方案可以分为全光方案以及光电转换的方案。其中，全光方案实现非线性由于需要引起足够强的非线性交叉相位调制性效应，因此需要输入光功率足够高从而增加能耗。光电转换的方案则需要引入额外的延迟线来使得光信号与电信号同时进入光子器件，因而该方案的计算速度会受到限制并且也会增加系统的复杂度。
发明内容
本公开提供了一种基于单行载流子光电探测器的神经元，主要目的在于降低能耗，提高计算速度。
根据本公开的一方面，提供了一种基于单行载流子光电探测器的神经元，包括：非线性激活函数单元，非线性激活函数单元包括至少一对单行载流子光电探测器，至少一对单行载流子光电探测器中任一对单行载流子光电探测器包括第一单行载流子光电探测器和第二单行载流子光电探测器；其中，
第一单行载流子光电探测器对应的第一饱和光电流和第二单行载流子光电探测器对应的第二饱和光电流不同，非线性激活函数单元用于根据光电流之差与光强之间的对应关系实现激活函数的功能，其中，光电流之差为第一单行载流子光电探测器输出的第一光电流和第二单行载流子光电探测器输出的第二光电流之间的差值。
可选的，第一单行载流子光电探测器对应的第一饱和光强大于第二单行载流子光电探测器对应的第二饱和光强，光电流之差与光强之间的对应关系，包括：
在光强小于所述第二饱和光强时，所述第一单行载流子光电探测器对应的第一响应度和所述第二单行载流子光电探测器对应的第二响应度相同，所述光电流之差为零；
在光强不小于所述第二饱和光强且小于第一饱和光强时，所述第一响应度保持不变，所述第二响应度为零，所述第二光电流维持所述第二饱和光电流不变，所述光电流之差与所述光强成正比关系；
在光强不小于所述第一饱和光强时，所述第一响应度和所述第二响应度均为零，所述第一光电流维持所述第一饱和光电流不变，所述第二光电流维持所述第二饱和光电流不变，所述光电流之差为恒定差值。
可选的，所述第一单行载流子光电探测器和所述第二单行载流子光电探测器的吸收层厚度相同，以使在光强小于第二饱和光强时所述第一单行载流子光电探测器对应的第一响应度和所述第二单行载流子光电探测器对应的第二响应度相同；
所述第一单行载流子光电探测器和所述第二单行载流子光电探测器中除所述吸收层厚度之外的其他结构尺寸或者其他外延层掺杂浓度不同，以使所述第一饱和光电流和所述第二饱和光电流不同。
可选的，其他结构尺寸包括悬崖层的厚度和掺杂浓度、收集层的厚度和掺杂浓度、耗尽吸收层和非耗尽吸收层的厚度比例以及掺杂浓度。
可选的，基于单行载流子光电探测器的神经元还包括光源、线性计算单元和输出单元；其中，
光源与线性计算单元的输入端连接，用于输出至少两束第一光信号至线性计算单元；
线性计算单元的输出端与非线性激活函数单元的输入端连接，用于对光源输入的至少两束第一光信号进行线性计算，得到并输出第二光信号至非线性激活函数单元；
非线性激活函数单元的输出端与输出单元连接，用于对第二光信号均分为至少两路第三光信号，并根据单行载流子光电探测器将第三光信号转换为电流信号；
输出单元，用于将至少一对单行载流子光电探测器之间的电流差信号转换为电压信号，并输出电压信号。
可选的，光源包括至少两个半导体激光器，半导体激光器包括以下至少一种：
分布反馈半导体激光器；
分布式布拉格半导体激光器；
垂直腔面发射半导体激光器。
可选的，线性计算单元包括至少两个第一幅度调制器、至少两个第二幅度调制器、波分复用器，半导体激光器、第一幅度调制器以及第二幅度调制器一一对应；其中，
第一幅度调制器的输入端与半导体激光器的输出端连接，用于根据输入信号对第一光信号进行幅度调制，得到第一子光信号；
第二幅度调制器的输入端与第一幅度调制器的输出端连接，用于根据权重信号对第一子光信号进行幅度调制，得到第二子光信号；
波分复用器的输入端与至少两个第二幅度调制器的输出端连接，用于对至少两个第二子光信号进行合波处理，得到第二光信号。
可选的，第一幅度调制器和第二幅度调制器均包括以下至少一种：
电吸收型调制器；
马赫曾德尔型调制器；
微环调制器。
可选的，非线性激活函数单元包括多模干涉仪；其中，
多模干涉仪的输入端与线性计算单元的输出端连接，用于对第二光信号进行均分处理，得到至少两路第三光信号；
单行载流子光电探测器的输入端与多模干涉仪的输出端连接，用于将第三光信号转换为电流信号；
单行载流子光电探测器的输出端与输出单元连接。
可选的，输出单元包括跨阻放大器，其中，
跨阻放大器的输入端与非线性激活函数单元的输出端连接。
综上，本公开实施例提供的基于单行载流子光电探测器的神经元，包括：非线性激活函数单元，非线性激活函数单元包括至少一对单行载流子光电探测器，至少一对单行载流子光电探测器中任一对单行载流子光电探测器包括第一单行载流子光电探测器和第二单行载流子光电探测器；其中，第一单行载流子光电探测器对应的第一饱和光电流和第二单行载流子光电探测器对应的第二饱和光电流不同，非线性激活函数单元用于根据光电流之差与光强之间的对应关系实现激活函数的功能，其中，光电流之差为第一单行载流子光电探测器输出的第一光电流和第二单行载流子光电探测器输出的第二光电流之间的差值。因此，通过在非线性激活函数单元中结合单行载流子光电探测器的饱和吸收效应，可以在具备更高的光饱和输出功率的同时拥有更大的带宽，可以处理更加高速的信号，减小光电转换速率对于光学计算速度的影响，从而可以提高神经元的计算速度。同时，单行载流子光电探测器可以在零偏压条件下工作，相较于其他方案能耗更低，从而可以降低神经元的能耗。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1为本公开实施例所提供的一种基于单行载流子光电探测器的神经元的结构示意图；
图2为本公开实施例所提供的一种光电流随光强的变化示意图；
图3为本公开实施例所提供的一种光电流之差随光强的变化示意图；
图4为本公开实施例所提供的另一种基于单行载流子光电探测器的神经元的结构示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
随着科学技术的发展，人工神经网络已经取得了巨大的成就，在人脸识别，无人驾驶以及医学检测等方面都有所应用。人工神经网络的主要驱动力来自于大数据，硬件计算以及算法这三个方面。随着数据化时代的快速发展所产生的信息与数据都在呈指数形式爆炸增长，这为人工神经网络提供了大量的数据样本。而且越来越多的算法模型例如卷积神经网络，循环神经网络，图神经网络以及强化学习都使得神经网络的功能更加广泛。
而在现有阶段对于使用硬件实现人工神经网络的研究中，主要是基于电子器件的方案，对计算的速度和精度要求也比较高。传统的使用电子器件实现神经网络的方法是利用互补金属氧化物半导体(Complementary Metal Oxide Semiconductor，CMOS)集成电路来构建其神经元。但随着近年来集成电路的特征尺寸逐渐逼近物理极限而使其发展并不再完全满足摩尔定律，同时基于冯诺依曼结构的计算机体系在执行人工神经网络这种需要大量并行化计算的模型时受到能耗和速度两方面的制约和挑战。于是，利用电子器件实现人工神经网络也存在较大的困难。
光子器件相较于电子器件具有更高的传输速率和更大的带宽，所以被大量应用于光通信系统中。同时，光子因为其优异性能也被应用于自动光传感、光谱成像和光子器件的反向设计等等。考虑到神经网络对于数据并行化和自适应性处理要求，光子器件能正好匹配这一性能要求。因此，研究人员更多的将目光转移到基于光子器件的神经网络模型的构建。
在早期光子神经网络的发展过程中，由于实现对光子器件的非线性操作比较困难，因此提出了基于光电混合的方式来构建神经网络。虽然光子器件具有很多非线性性质，但由于神经网络中每个神经元都需要与多个神经元进行连接，这对于光子器件的负载能力提出很高的要求。在20世纪末期对于光子器件的研究中并不能满足这一要求。因而在光电混和神经网络中，光子器件主要用于权重分配的功能，而电子器件则用来实现非线性激活函数。而对于神经网络而言，其性能的优劣主要取决于非线性激活函数的性能优劣。因此，将线性和非线性运算全部都集中在光域进行运算可以有效提升光计算的效率。
相关技术中，利用光子器件实现非线性激活函数的方案可以分为全光方案以及光电转换的方案。其中，
全光方案利用光放大器的增益饱和特性，通过对光放大器光注入引起交叉相位调制效应从而实现非线性，然而，由于全光方案实现非线性需要引起足够强的非线性交叉相位调制性效应，因此需要输入光功率足够高从而增加能耗现；
光电转换方案则是将光信号分为两路，一路作为光子器件的输入光信号，另一路经过光电探测器的作用转换为电信号后作为该光子器件的电学控制。由于光信号的传播速度比电信号快得多，因此需要在光信号传播的路径引入延迟使得光信号与电信号同时达到光子器件，因而该方案的计算速度会受到限制并且也会增加系统的复杂度。
最适合于有源光电器件的材料是磷化铟(InP)基的三五族化合物，相比于无源器件和硅(Si)基材料，三五族材料具有直接带隙的能带，其光发射和光吸收效率均远远大于Si材料。Si基的光电器件通常需要引入其他的三五族材料，他们与Si晶格的匹配程度比较低，造成制备工艺受限。但在InP基的光电器件中，通过调节铟镓砷磷(InGaAsP)四元化合物中Ga与As的组分，可以在保证与InP材料晶格匹配下实现多种光电功能。从集成度上来说，与Si基光电子集成不同的是，InP基光电集成可以将有源和无源器件通过半导体工艺集成到微小芯片中，真正实现单片集成。并且与传统器件相比，InP光电子芯片体积小，重量轻、可大规模生产等。
在目前的基于InP基的器件的光电转换中，对于光电探测器有着提升带宽、高输出功率的需求。但是高输出功率要求大的光电流产生、大的带宽要求更小的器件面积，进而形成的光生载流子堆积、限制功率输出增加等问题。因而高饱和功率和带宽提升之间存在难以同时兼顾的矛盾，单行载流子光电探测器(UTC-PD)可以较好地解决这个矛盾。
下面结合具体的实施例对本公开进行详细说明。
在第一个实施例中，如图1所示，图1为本公开实施例所提供的一种基于单行载流子光电探测器的神经元的结构示意图。
具体的，该基于单行载流子光电探测器的神经元，包括：非线性激活函数单元，非线性激活函数单元包括至少一对单行载流子光电探测器，至少一对单行载流子光电探测器中任一对单行载流子光电探测器包括第一单行载流子光电探测器PD1和第二单行载流子光电探测器PD2；其中，
第一单行载流子光电探测器PD1对应的第一饱和光电流和第二单行载流子光电探测器PD2对应的第二饱和光电流不同，非线性激活函数单元用于根据光电流之差与光强之间的对应关系实现激活(sigmoid)函数的功能，其中，光电流之差为第一单行载流子光电探测器PD1输出的第一光电流I1和第二单行载流子光电探测器PD2输出的第二光电流I2之间的差值。
根据一些实施例，比起传统的PIN型光电二极管(Photo-Diode，PD)，单行载流子光电二极管(Uni-Traveling-Carrier Photo-Diode，UTC-PD)能够很好的解决这一矛盾，缓解空间电荷效应，线性度更高，在拥有更高的饱和电流的同时拥有更大的带宽。通过将吸收层设置在靠近阳极一端的P接触层，使得空穴的渡越时间可以忽略不计，只需要考虑电子的渡越时间，因而频率响应速度可以达到100GHz以上。
在一些实施例中，单行载流子光电探测器即为采用UTC-PD的探测器。单行载流子光电探测器的直流响应度取决于吸收层的厚度，吸收层的厚度越小，UTC-PD对光的吸收程度越低，响应度越低。
在一些实施例中，在入射光功率较低的条件下，单行载流子光电探测器产生的光电流大小与入射光的功率呈线性关系，此时单行载流子光电探测器工作在线性区，单行载流子光电探测器的直流响应度等于光电响应曲线的斜率。当入射光功率增大时，光生电子和空穴无法及时渡越到两端的接触层，光生载流子在吸收层中堆积，产生一个反向电场，阻碍电子从吸收层渡越到收集层，单行载流子光电探测器的响应速度变慢，光电流出现饱和效应。
易于理解的是，通过在非线性激活函数单元中结合UTC-PD的饱和吸收效应，在具备更高的光饱和输出功率的同时拥有更大的带宽，能够处理更加高速的信号，减小光电转换速率对于光学计算速度的影响，因此，可以提高神经元的计算速度。同时，UTC-PD能够在零偏压条件下工作，相较于其他方案能耗更低，因此可以降低神经元的能耗。
可选地，在本公开的一个实施例中，图2为本公开实施例所提供的一种光电流随光强的变化示意图。图3为本公开实施例所提供的一种光电流之差随光强的变化示意图。如图2和图3所示，第一单行载流子光电探测器PD1对应的第一饱和光强P2大于第二单行载流子光电探测器PD2对应的第二饱和光强P1，光电流之差(I1-I2)与光强之间的对应关系包括：
在光强小于第二饱和光强P1时，第一单行载流子光电探测器PD1和第二单行载流子光电探测器PD2均工作在线性区，并且第一单行载流子光电探测器PD1对应的第一响应度和第二单行载流子光电探测器PD2对应的第二响应度相同，即第一单行载流子光电探测器PD1对应的光电响应曲线的斜率与第二单行载流子光电探测器PD2对应的光电响应曲线的斜率相同，因此，第一光电流I1与第二光电流I2相同，如图2所示。此时，光电流之差(I1-I2)为零，如图3所示。
在光强不小于第二饱和光强P1且小于第一饱和光强P2时，第一单行载流子光电探测器PD1仍工作在线性区，第二单行载流子光电探测器PD2进入饱和状态，此时，第一响应度保持不变，第二响应度为零，第二光电流I2维持第二饱和光电流不变，第一光电流I1则继续与光强成正比关系维持增长，如图2所示。此时，光电流之差(I1-I2)与光强成正比关系，并且其斜率与第一单行载流子光电探测器PD1对应的光电响应曲线的斜率相同，如图3所示。
在光强不小于第一饱和光强P2时，第一单行载流子光电探测器PD1和第二单行载流子光电探测器PD2均进入饱和状态，此时，第一响应度和第二响应度均为零，第一光电流I1维持第一饱和光电流不变，第二光电流I2维持第二饱和光电流不变，如图2所示。此时，光电流之差(I1-I2)为恒定差值，如图3所示。
需要说明的是，在光强小于第二饱和光强P1时，第一单行载流子光电探测器PD1对应的第一响应度和第二单行载流子光电探测器PD2对应的第二响应度相同，但均不为零。在光强不小于第二饱和光强P1且小于第一饱和光强P2时，第一响应度保持在光强小于第二饱和光强P1时的值不变。
在一些实施例中，光强(Optical Power)为输入至第一单行载流子光电探测器PD1和第二单行载流子光电探测器PD2的光强。
根据一些实施例，第一单行载流子光电探测器PD1和第二单行载流子光电探测器PD2的吸收层厚度相同，以使在光强小于第一饱和光强P1时第一单行载流子光电探测器对应的第一响应度和第二单行载流子光电探测器对应的第二响应度相同；
第一单行载流子光电探测器和第二单行载流子光电探测器中除吸收层厚度之外的其他结构尺寸或者其他外延层掺杂浓度不同，以使第一饱和光电流和第二饱和光电流不同，具体而言，第一饱和光电流大于第二饱和光电流。
在一些实施例中，其他结构尺寸例如可以包括但不限于悬崖层的厚度和掺杂浓度、收集层的厚度和掺杂浓度、耗尽吸收层和非耗尽吸收层的厚度比例以及掺杂浓度等。
可选地，在本公开的一个实施例中，基于单行载流子光电探测器的神经元还包括光源、线性计算单元和输出单元；其中，
光源与线性计算单元的输入端连接，用于输出至少两束第一光信号至线性计算单元；
线性计算单元的输出端与非线性激活函数单元的输入端连接，用于对光源输入的至少两束第一光信号进行线性计算，得到并输出第二光信号至非线性激活函数单元；
非线性激活函数单元的输出端与输出单元连接，用于对第二光信号均分为至少两路第三光信号，并根据单行载流子光电探测器将第三光信号转换为电流信号；
输出单元，用于将至少一对单行载流子光电探测器之间的电流差信号转换为电压信号，并输出电压信号。
根据一些实施例，光源包括至少两个半导体激光器，半导体激光器包括以下至少一种：
分布反馈半导体激光器；
分布式布拉格半导体激光器；
垂直腔面发射半导体激光器。
在一些实施例中，至少两个半导体激光器中每个半导体激光器输出的第一光信号的波长均不相同，例如，每两个相邻的半导体激光器输出的第一光信号之间的波长可以间隔几个纳米。
根据一些实施例，线性计算单元包括至少两个第一幅度调制器、至少两个第二幅度调制器、波分复用器WDM，半导体激光器、第一幅度调制器以及第二幅度调制器一一对应；其中，
第一幅度调制器的输入端与半导体激光器的输出端连接，用于根据输入信号对第一光信号进行幅度调制，得到第一子光信号；
第二幅度调制器的输入端与第一幅度调制器的输出端连接，用于根据权重信号对第一子光信号进行幅度调制，得到第二子光信号；
波分复用器WDM的输入端与至少两个第二幅度调制器的输出端连接，用于对至少两个第二子光信号进行合波处理，得到第二光信号。
在一些实施例中，本公开实施例使用的幅度调制器，例如第一幅度调制器和第二幅度调制器均包括以下至少一种：
电吸收型调制器；
马赫曾德尔型调制器；
微环调制器。
在一些实施例中，幅度调制器中包括分束器，分束器可以将半导体激光器输入的第一光信号均分为至少两路。分束器可以由多模干涉仪组成，分束器也可以由定向耦合器组成，分束器还可以由级联的Y分支构成。
需要说明的是，线性计算单元中的幅度调制器阵列(包括至少两个第一幅度调制器和至少两个第二幅度调制器)可以实现线性的乘加运算，每个波长的第一光信号都经过两个幅度调制器作用后，实现乘法的功能，然后经过波分复用器WDM将不同波长的第二子光信号合波后完成加法的功能。
在一些实施例中，波分复用器WDM包括但不限于阵列波导光栅，马赫曾德尔型波分复用器等。
以一个场景举例，图4为本公开实施例所提供的一种基于单行载流子光电探测器的神经元的结构示意图。如图4所示，光源包括四个半导体激光器，分别为LD1、LD2、LD3和LD4。线性计算单元包括四个第一幅度调制器，分别为Mod1、Mod2、Mod3和Mod4，四个第二幅度调制器，分别为Mod5、Mod6、Mod7和Mod8。其中，
LD1、Mod1、Mod5依次连接，LD2、Mod2、Mod6依次连接，LD3、Mod3、Mod7依次连接，LD4、Mod4、Mod8依次连接；
波分复用器WDM分别与Mod5、Mod6、Mod7和Mod8的输出端连接，可以将四个不同波长的第二子光信号合波到同一波导中，实现求和的功能。
根据一些实施例，非线性激活函数单元包括多模干涉仪；其中，
多模干涉仪的输入端与线性计算单元的输出端连接，用于对第二光信号进行均分处理，得到至少两路第三光信号；
单行载流子光电探测器的输入端与多模干涉仪的输出端连接，用于将第三光信号转换为电流信号；
单行载流子光电探测器的输出端与输出单元连接。
在一些实施例中，如图4所示，非线性激活函数单元中仅包括一对单行载流子光电探测器，即PD1和PD2，多模干涉仪为1×2多模干涉仪MMI；其中，
1×2多模干涉仪MMI的输入端与波分复用器WDM的输出端连接，用于将合波之后的第二光信号均分为两路第三光信号；
1×2多模干涉仪MMI的输出端分别与PD1和PD2的输入端连接。
根据一些实施例，输出单元包括跨阻放大器TIA，其中，
跨阻放大器TIA的输入端与非线性激活函数单元的输出端连接。
在一些实施例中，如图4所示，跨阻放大器TIA的输入端分别与PD1和PD2的输出端连接，可以将PD1和PD2之间的电流差信号转换为电压信号，并输出该电压信号。
需要说明的是，基于InP材料的UTC-PD可以与半导体激光器以及调制器单片集成，同时实现线性加权和非线性激活函数的功能。因此，本公开实施例提供的基于单行载流子光电探测器的神经元可以集成在一个芯片上同时实现线性加权和非线性激活函数的功能。同时，UTC-PD还可以作为监视器，检测光神经网络中线性计算的结果。
综上，本公开实施例提供的基于单行载流子光电探测器的神经元，包括：非线性激活函数单元，非线性激活函数单元包括至少一对单行载流子光电探测器，至少一对单行载流子光电探测器中任一对单行载流子光电探测器包括第一单行载流子光电探测器和第二单行载流子光电探测器；其中，第一单行载流子光电探测器对应的第一饱和光电流和第二单行载流子光电探测器对应的第二饱和光电流不同，非线性激活函数单元用于根据光电流之差与光强之间的对应关系实现激活函数的功能，其中，光电流之差为第一单行载流子光电探测器输出的第一光电流和第二单行载流子光电探测器输出的第二光电流之间的差值。因此，通过在非线性激活函数单元中结合单行载流子光电探测器的饱和吸收效应，可以在具备更高的光饱和输出功率的同时拥有更大的带宽，可以处理更加高速的信号，减小光电转换速率对于光学计算速度的影响，从而可以提高神经元的计算速度。同时，单行载流子光电探测器可以在零偏压条件下工作，相较于其他方案能耗更低，从而可以降低神经元的能耗。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述可以针对不同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本公开的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
尽管已经示出和描述了本公开的实施例，本领域的普通技术人员可以理解：在不脱离本公开的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本公开的范围由权利要求及其等同物限定。

Claims (10)

1.一种基于单行载流子光电探测器的神经元，其特征在于，包括：非线性激活函数单元，所述非线性激活函数单元包括至少一对单行载流子光电探测器，所述至少一对单行载流子光电探测器中任一对单行载流子光电探测器包括第一单行载流子光电探测器和第二单行载流子光电探测器；其中，
所述第一单行载流子光电探测器对应的第一饱和光电流和所述第二单行载流子光电探测器对应的第二饱和光电流不同，所述非线性激活函数单元用于根据光电流之差与光强之间的对应关系实现激活函数的功能，其中，所述光电流之差为所述第一单行载流子光电探测器输出的第一光电流和所述第二单行载流子光电探测器输出的第二光电流之间的差值。
2.根据权利要求1所述的基于单行载流子光电探测器的神经元，其特征在于，所述第一单行载流子光电探测器对应的第一饱和光强大于所述第二单行载流子光电探测器对应的第二饱和光强，所述光电流之差与光强之间的对应关系，包括：
在光强小于所述第二饱和光强时，所述第一单行载流子光电探测器对应的第一响应度和所述第二单行载流子光电探测器对应的第二响应度相同，所述光电流之差为零；
在光强不小于所述第二饱和光强且小于第一饱和光强时，所述第一响应度保持不变，所述第二响应度为零，所述第二光电流维持所述第二饱和光电流不变，所述光电流之差与所述光强成正比关系；
在光强不小于所述第一饱和光强时，所述第一响应度和所述第二响应度均为零，所述第一光电流维持所述第一饱和光电流不变，所述第二光电流维持所述第二饱和光电流不变，所述光电流之差为恒定差值。
3.根据权利要求2所述的基于单行载流子光电探测器的神经元，其特征在于，所述第一单行载流子光电探测器和所述第二单行载流子光电探测器的吸收层厚度相同，以使在光强小于第二饱和光强时所述第一单行载流子光电探测器对应的第一响应度和所述第二单行载流子光电探测器对应的第二响应度相同；
所述第一单行载流子光电探测器和所述第二单行载流子光电探测器中除所述吸收层厚度之外的其他结构尺寸或者其他外延层掺杂浓度不同，以使所述第一饱和光电流和所述第二饱和光电流不同。
4.根据权利要求3所述的基于单行载流子光电探测器的神经元，其特征在于，所述其他结构尺寸包括悬崖层的厚度和掺杂浓度、收集层的厚度和掺杂浓度、耗尽吸收层和非耗尽吸收层的厚度比例以及掺杂浓度。
5.根据权利要求1所述的基于单行载流子光电探测器的神经元，其特征在于，所述基于单行载流子光电探测器的神经元还包括光源、线性计算单元和输出单元；其中，
所述光源与所述线性计算单元的输入端连接，用于输出至少两束第一光信号至所述线性计算单元；
所述线性计算单元的输出端与所述非线性激活函数单元的输入端连接，用于对所述光源输入的至少两束第一光信号进行线性计算，得到并输出第二光信号至所述非线性激活函数单元；
所述非线性激活函数单元的输出端与所述输出单元连接，用于对所述第二光信号均分为至少两路第三光信号，并根据所述单行载流子光电探测器将所述第三光信号转换为电流信号；
所述输出单元，用于将所述至少一对单行载流子光电探测器之间的电流差信号转换为电压信号，并输出所述电压信号。
6.根据权利要求5所述的基于单行载流子光电探测器的神经元，其特征在于，所述光源包括至少两个半导体激光器，所述半导体激光器包括以下至少一种：
分布反馈半导体激光器；
分布式布拉格半导体激光器；
垂直腔面发射半导体激光器。
7.根据权利要求5所述的基于单行载流子光电探测器的神经元，其特征在于，所述线性计算单元包括至少两个第一幅度调制器、至少两个第二幅度调制器、波分复用器，所述半导体激光器、所述第一幅度调制器以及所述第二幅度调制器一一对应；其中，
所述第一幅度调制器的输入端与所述半导体激光器的输出端连接，用于根据输入信号对所述第一光信号进行幅度调制，得到第一子光信号；
所述第二幅度调制器的输入端与所述第一幅度调制器的输出端连接，用于根据权重信号对所述第一子光信号进行幅度调制，得到第二子光信号；
所述波分复用器的输入端与所述至少两个第二幅度调制器的输出端连接，用于对至少两个所述第二子光信号进行合波处理，得到所述第二光信号。
8.根据权利要求7所述的基于单行载流子光电探测器的神经元，其特征在于，所述第一幅度调制器和所述第二幅度调制器均包括以下至少一种：
电吸收型调制器；
马赫曾德尔型调制器；
微环调制器。
9.根据权利要求5所述的基于单行载流子光电探测器的神经元，其特征在于，所述非线性激活函数单元包括多模干涉仪；其中，
所述多模干涉仪的输入端与所述线性计算单元的输出端连接，用于对所述第二光信号进行均分处理，得到至少两路第三光信号；
所述单行载流子光电探测器的输入端与所述多模干涉仪的输出端连接，用于将所述第三光信号转换为电流信号；
所述单行载流子光电探测器的输出端与所述输出单元连接。
10.根据权利要求5所述的基于单行载流子光电探测器的神经元，其特征在于，所述输出单元包括跨阻放大器，其中，
所述跨阻放大器的输入端与所述非线性激活函数单元的输出端连接。
CN202311400518.XA 2023-10-25 2023-10-25 一种基于单行载流子光电探测器的神经元 Pending CN117454950A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311400518.XA CN117454950A (zh) 2023-10-25 2023-10-25 一种基于单行载流子光电探测器的神经元

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311400518.XA CN117454950A (zh) 2023-10-25 2023-10-25 一种基于单行载流子光电探测器的神经元

Publications (1)

Publication Number Publication Date
CN117454950A true CN117454950A (zh) 2024-01-26

Family

ID=89588555

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311400518.XA Pending CN117454950A (zh) 2023-10-25 2023-10-25 一种基于单行载流子光电探测器的神经元

Country Status (1)

Country Link
CN (1) CN117454950A (zh)

Similar Documents

Publication Publication Date Title
US6690851B1 (en) Virtual optoelectronic crossbar switch
US11695378B2 (en) Optical differential low-noise receivers and related methods
CN110361877B (zh) 一种硅基光调制器光路监控结构
WO2007113502A1 (en) Photodetector
CN111561953B (zh) 基于波分复用与平衡探测的片上集成光学矩阵矢量乘法器
CN113805641B (zh) 一种光子神经网络
US7995877B1 (en) Optical NAND gate
Wu et al. High-speed In 0.52 Al 0.48 As based avalanche photodiode with top-illuminated design for 100 Gb/s ER-4 system
US20210333818A1 (en) Photonics processor architecture
Shi et al. First demonstration of a two-layer all-optical neural network by using photonic integrated chips and SOAs
CN115472603B (zh) 基于光频梳实现卷积神经网络的单片光子集成芯片
CN117454950A (zh) 一种基于单行载流子光电探测器的神经元
Agashe et al. A monolithically integrated long-wavelength balanced photodiode using asymmetric twin-waveguide technology
Al-Qadasi et al. Scaling up silicon photonic-based accelerators: challenges and opportunities, and roadmapping with silicon photonics 2.0
Soref Emerging SiGeSn integrated-photonics technology
CN114488650A (zh) 硅基光子集成芯片
Dummer et al. 40 Gb/s field-modulated wavelength converters for all-optical packet switching
CA2267018C (en) Optical wavelength converter with active waveguide
Barton et al. 2.5-Gb/s error-free wavelength conversion using a monolithically integrated widely tunable SGDBR-SOA-MZ transmitter and integrated photodetector
Beckerwerth et al. Photodetectors for classic and quantum communication with 39 GHz bandwidth and 66% quantum efficiency
Fujikata et al. Differential signal transmission in silicon-photonics integrated circuit for high density optical interconnects
Hutchinson et al. Indium Phosphide-Based Optoelectronic Wavelength Conversion for High-Speed Optical Networks.
CN114326923A (zh) 基于偏振旋转分束器实现的光学矩阵向量乘法器
Tossoun et al. High-speed heterogeneous quantum dot avalanche photodiodes with polarization dependent gain
US20230352465A1 (en) Led-based photonic communication and processing unit

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