JP2020086049A - 光演算素子と多層ニューラルネットワーク - Google Patents

Abstract

【課題】光増幅器を用いることなく、入力光を増幅できる光演算素子を提供する。【解決手段】入力光Ａの強度に応じて変形する光変形部材３０と、光変形部材３０と連結され該光変形部材３０によって変形させられる変形蓋４０と、屈折率を整合させて外部から導入される外部光Ｂを透過させる屈折率整合剤５０と、変形蓋４０で蓋をされ屈折率整合剤５０で満たされた整合剤溜まり部６０と、整合剤溜まり部６０から屈折率整合剤５０を導出する先端が開口された経路７０と、経路７０に対して傾斜し外部光Ｂを伝搬させる第１光導波路８０ａと、経路７０を挟んで第１光導波路８０ａの延長線上に配置され経路７０を透過して来た外部光Ｂを出力する第２光導波路８０ｂとを備える。【選択図】図２

Description

本発明は、光ニューラルネットワークを構成する光演算素子と多層ニューラルネットワークに関する。

光ニューラルネットワークは、人間の脳内にある神経細胞網を入力層ニューロンと出力層ニューロンの二つのニューロンと、それぞれのニューロンを連結するシナプスから成る単位でモデル化し、光信号を用いてネットワーク化したものである。

光ニューラルネットワークは、一般的に積和演算と非線形演算を実行するニューロン素子を結合し、多層化されて構成される（例えば非特許文献１）。

谷本桂理 他3名、「フォトクロミック材料を用いた光ニューラルネットワークの研究」、第６４回応用物理学会春期学術講演会

従来の光ニューラルネットワークは、多層化することで減衰した光を増幅する為に光電変換を行う必要がある。その光電変換に伴う電力損失と速度損失が大きいという課題がある。

本発明は、この課題に鑑みてなされたものであり、光電変換を行うことなく光を増幅できる光演算素子と多層ニューラルネットワークを提供することを目的とする。

本発明の一態様に係る光演算素子は、入力光の強度に応じて変形する光変形部材と、前記光変形部材と連結され該光変形部材によって変形させられる変形蓋と、屈折率を整合させて外部から導入される外部光を透過させる屈折率整合剤と、前記変形蓋で蓋をされ前記屈折率整合剤で満たされた整合剤溜まり部と、前記整合剤溜まり部から前記屈折率整合剤を導出する先端が開口された経路と、前記経路に対して傾斜し前記外部光を伝搬させる第１光導波路と、前記経路を挟んで前記第１光導波路の延長線上に配置され前記経路を透過して来た前記外部光を出力する第２光導波路とを備えることを要旨とする。

また、本発明の一態様に係る多層ニューラルネットワークは、上記の光演算素子をＮ（Ｎ≧2）個縦続接続させた多層ニューラルネットワークであって、ｎ（ｎ＝2,3,…,Ｎ）層目の光演算素子の前記入力光は、ｎ−１層目の光演算素子の出力光を含むことを要旨とする。

本発明によれば、光電変換を行うことなく光を増幅できる光演算素子と多層ニューラルネットワークを提供することができる。

本発明の第1実施形態に係る光演算素子の構成例を模式的に示す斜視図である。 図１に示すＡ−Ａ線に沿う断面図である。 図１に示す第１光導波路を伝搬して経路に到達する光ビームと経路内を移動する屈折率整合剤との関係を模式的に示す図であり、（ａ）光ビームと屈折の関係を示す模式図、（ｂ）は入力光と出力光の関係の一例を示す図である。 図１に示す光演算素子を2個縦続させた例を模式的に示す図である。 図１に示す光演算素子を多層に接続して多層ニューラルネットワークを構成した例を模式的に示す図である。 図４に示す2個の光演算素子の間に光学部品を配置した例を模式的に示す図である。 本発明の第２実施形態に係る光演算素子の構成例を模式的に示す斜視図である。

以下、本発明の実施形態について図面を用いて説明する。複数の図面中同一のものに
は同じ参照符号を付し、説明は繰り返さない。

〔第１実施形態〕
図１は、本発明の第１実施形態に係る光演算素子の構成例を模式的に示す斜視図である。図１に示す光演算素子１は、光電変換を用いずに光を増幅する光演算素子である。

（光演算素子の構成）
図２は、図１に示すＡ−Ａ線に沿う断面図である。図１と図２を参照して光演算素子１の構成について説明する。

光演算素子１は、光変形部材３０、変形蓋４０、屈折率整合剤５０、整合剤溜まり部６０、経路７０、第１光導波路８０ａ、及び第２光導波路８０ｂを備える。整合剤溜まり部６０の内部は、屈折率整合剤５０で満たされている。

光演算素子１の各構成部は、例えば直方体の筐体１０に収められている。筐体１０は、例えば有機分子ポリマーあるいは石英で構成される。なお、筐体１０は他の材料、金属で構成してもよい。

図１に示すように各構成部が組み合わされて光演算素子１が構成されれば、筐体１０の形状は直方体に限られない。また、筐体１０はフレームで構成してもよい。つまり、各構成部を、直方体等の立体で保持する必要もない。

筐体１０の一方の端部側には、開口部２０が設けられる。この例の開口部２０は、平面が四角形であり、筐体１０の高さ方向を貫通している。開口部２０は、光信号の入力光Ａが入力される。ここで、説明のために方向を定義する。筐体１０の開口部２０側を後、その反対側を前とする。

開口部２０の前側の内壁の中央部分は、円柱状に刳り抜かれ、整合剤溜まり部６０が形成される。整合剤溜まり部６０の開口部２０側（後側）は、変形蓋４０が嵌められている。

変形蓋４０は、柔軟性を持つ素材で構成され、力が入力されることで変形する。変形蓋４０は、例えばゴムで構成される。

変形蓋４０の中央部分には、平面がＵ字状の係止部４１が形成されている。係止部４１が対向する開口部２０の後側の内壁にも、同形状の係止部１１が形成されている。

係止部１１と係止部４１の間に光変形部材３０が掛け渡され、光変形部材３０の両端部は、係止部１１と係止部４１にそれぞれ固定される。光変形部材３０は所定の張力を保持した状態で、変形蓋４０と開口部２０の内壁（後側）を接続させる。

光変形部材３０は、入力光Ａの強度に応じて変形する。光変形部材３０は、例えばジアリールエテン、シクロデキストリン、及びアゾベンゼンを有する架橋ポリマー等を用いることができる。

整合剤溜まり部６０の内部は、屈折率整合剤５０で満たされ変形蓋４０で密閉される。整合剤溜まり部６０の前側の端面の中央部分から、断面が長方形の経路７０が形成される。

屈折率整合剤５０は、例えば、シリコンオイルを用いることができる。屈折率整合剤５０の屈折率は、例えば1.485（25℃）であり、第１光導波路８０ａ及び第２光導波路８０ｂとほぼ同じ屈折率を持つ。

経路７０は、その断面が例えば長方形であり、整合剤溜まり部６０の前側の端面から、筐体１０の前側の端面まで水平に貫通し先端は開放されている。経路７０の内部は、整合剤溜まり部６０から屈折率整合剤５０が導出され、経路７０の前後方向の半分程度の位置まで屈折率整合剤５０で満たされている。屈折率整合剤５０の先端部分は、光変形部材３０が入力光Ａの強度に応じて変形するのに対応して前後方向に移動する。

なお、経路７０の導出方向は、水平方向に限られない。経路７０内の屈折率整合剤５０は、その表面張力によって重力の影響をほとんど受けない。したがって、経路７０の導出方向は、鉛直方向の上下、又は斜め上下方向等の何れで有ってもよい。経路７０内の屈折率整合剤５０の先端部分の位置は、主に変形蓋４０の変形量によって決定される。

第１光導波路８０ａは、屈折率整合剤５０の先端部分が前後方向に移動する部分の経路７０に対して傾斜して配置され、その先端部分は経路７０に当接されている。第１光導波路８０ａの経路７０と反対側からは外部光Ｂが入力される。外部光Ｂは、光演算素子１が配置された環境の環境光のことである。外部光Ｂは一定の強度（照度）に保たれている。外部光Ｂの強度は、ある程度変動しても構わない。

第２光導波路８０ｂは、経路７０を挟んで第１光導波路８０ａの延長線上に配置される。第２光導波路８０ｂは、経路７０を透過して来た外部光Ｂを外部に出力する。

第１光導波路８０ａと第２光導波路８０ｂは、筐体１０を有機分子ポリマーで構成した場合、他の筐体１０の部分よりも屈折率が高い材料で構成される。第１光導波路８０ａと第２光導波路８０ｂの屈折率は、例えば1.49である。

筐体１０、整合剤溜まり部６０、及び経路７０は、周知の半導体プロセス及びマイクロマシン加工技術によって、例えば直方体の石英を加工することで形成される。

以上述べたように本実施形態に係る光演算素子１は、入力光の強度に応じて変形する光変形部材３０と、光変形部材３０と連結され該光変形部材３０によって変形させられる変形蓋４０と、屈折率を整合させて外部から導入される外部光Ｂを透過させる屈折率整合剤５０と、変形蓋４０で蓋をされ屈折率整合剤５０で満たされた整合剤溜まり部６０と、整合剤溜まり部６０から屈折率整合剤５０を水平方向に導出する先端が開口された経路７０と、経路７０に対して傾斜し外部光Ｂを伝搬させる第１光導波路８０ａと、経路７０を挟んで第１光導波路８０ａの延長線上に配置され経路７０を透過して来た外部光Ｃを出力（出力光Ｃ）する第２光導波路８０ｂとを備える。

（光演算素子の作用）
図３は、第１光導波路８０ａを伝搬して経路７０に到達する光ビームと経路７０内を移動する屈折率整合剤５０との関係を模式的に示す図である。図３（ａ）は光ビームと屈折率整合剤５０の関係を示す模式図、図３（ｂ）は入力光と出力光の関係の一例を示す。

図３（ａ）に示す楕円８１は、第１光導波路８０ａを伝搬して経路７０に到達する光ビーム（以降、光ビーム８１）を模式的に表す。第１光導波路８０ａは、経路７０に対して傾斜して接するので光ビーム８１の形状は楕円形になる。

ここで、入力光Ａの強度の変化によって経路７０内を移動する屈折率整合剤５０の先端は、入力光Ａの強度が最大の場合に光ビーム８１の後側の端部に位置するように調整されていると仮定する。また、入力光Ａの強度が最小の場合に光ビーム８１の前側の端部に位置するように調整されていると仮定する。

この仮定は、光変形部材３０が入力光Ａの強度が大きいと収縮する場合に成立する。光変形部材３０が変形する方向が逆であれば、屈折率整合剤５０の先端は、例えば入力光Ａの強度が最大の場合に光ビーム８１の前側の端部に位置するように調整され、入力光Ａの強度が最小の場合に光ビーム８１の後側の端部に位置するように調整される。つまり、光変形部材３０の変形する方向によって、入力光Ａの強度に対する論理を反転させることができる。

上記の仮定において、入力光Ａの強度が最小の強度よりも少し大きい場合は、屈折率整合剤５０の先端部分が図３（ａ）に示すαに位置する。よって、光ビーム８１の面積のほとんどを屈折率整合剤５０が占めるので、屈折率整合剤５０が占める範囲内で第１光導波路８０ａの屈折率と経路７０の屈折率が整合する。よって、外部光Ａは、光ビーム８１内の屈折率整合剤５０が占める範囲で経路７０を透過する。

この状態を図３（ｂ）にαで示す。図３（ｂ）に示すように入力光Ａの強度が最小の強度よりも少し大きい場合、外部光Ｂのほとんどが経路７０を透過し出力光Ｃとなる。つまり、この例では、入力光Ａの強度が最小の場合に外部光Ｂは遮光される。

また、上記の仮定において、入力光Ａの強度が最大の強度よりも少し小さい場合は、屈折率整合剤５０の先端部分が図３（ａ）に示すγに位置する。したがって、光ビーム８１内の一部分でしか光導波路８０ａの屈折率と経路７０の屈折率が整合せず、外部光Ａのほとんとが経路７０で反射する。よって、外部光Ｂの一部しか経路７０を透過しないので出力光Ｃの強度は低下する（図３（ｂ）のγ）。

また、上記の仮定において、入力光Ａの強度が最小−最大の範囲の中間の強度の場合は、屈折率整合剤５０の先端部分が図３（ａ）に示すβに位置する。よって、光ビーム８１の面積の半分を屈折率整合剤５０が占めるので、外部光Ｂの半分が経路７０を透過して出力光Ｃとなる。

以上説明したように、図３に示す例では外部光Ｂの強度を、入力光Ａの強度の変化に対応させて変化（この例では反比例）させることができる。外部光Ｂの強度は一定である。よって、外部光Ｂの強度を入力光Ａの最大強度よりも大きな強度に設定しておくことで、入力光Ａを増幅した出力光Ｂを出力することができる。

つまり、本実施形態に係る光演算素子１によれば、光電変換を用いずに入力光Ａの光強度を増幅することができる。また、光演算素子１は、光電変換を行わないのでそれに伴う
電力損失と速度損失を生じさせない。

また、一定の外部光Ｂを、多層（複数を縦続）に接続された光演算素子１のそれぞれに与える（照射する）ことで、光信号の強度の損失が生じさせない多層ニューラルネットワークを構成することができる。

（多層ニューラルネットワーク）
図４は、本実施形態に係る光演算素子１を2個縦続接続させた構成を模式的に示す図である。1個目の光演算素子１_１の第２光導波路８０ｂから出力された光信号を、2個目の光演算素子１_２の開口部２０_２に入力させる。光演算素子１_１と光演算素子１_２の第１光導波路８０ｂ_１と第１光導波路８０ｂ_２には、一定の光強度の外部光Ｂがそれぞれ入力される。

2個以上の光演算素子１を縦続接続することで多層ニューラルネットワークを構成することができる。

図５は、本実施形態に係る多層ニューラルネットワークの構成例を模式的に示す図である。図５に示す多層ニューラルネットワーク１００は、上記の光演算素子１を２層以上、縦続に接続したものである。

１層目の光演算素子１_１の出力光Ｚ_１は、２層目の光演算素子１_２の入力光を生成する乗算器１０１_２に入力される。乗算器１０１_２は、出力光Ｚ_１に重みｗ_３を乗じて加算器１０３_２の一方の入力に出力する。

加算器１０３_２は、乗算器１０１_２の出力と乗算器１０２_２の出力を加算して光演算素子１_２の入力光を生成する。乗算器１０２_２の出力は、図示しない光演算素子の出力光Ｚ_２に重みｗ_４を乗じたものである。

２層目の光演算素子１_２は、外部から取り込む外部光Ｂを、入力光Ａに相当する加算器１０３_２が出力する積和信号で変換した出力光Ｚ_３を生成する。３層目以降の光演算素子１_３が生成する出力光Ｚ_５についても、当該出力光Ｚ_５を生成するための構成は、２層目の光演算素子１_２と同じである。図中の参照符号の番号を更新して表記し、その説明は省略する。

以上説明したように本実施形態に係る多層ニューラルネットワーク１００は、光演算素子１をＮ（Ｎ≧2）個縦続接続させた多層ニューラルネットワークであって、ｎ（ｎ＝2,3,…,Ｎ）層目の光演算素子の入力光Ａ_ｎは、ｎ−１層目の光演算素子の出力光Ｚ_ｎ−１を含む。

この構成によれば、各層の光演算素子１_ｎのそれぞれに一定強度の外部光Ｂが入力され、該外部光Ｂが前層ｎ−１の光演算素子１_ｎ−１の出力光Ｚ_ｎ−１で変換された出力光Ｚ_ｎを生成する。したがって、多層に縦続接続された後方の光演算素子１_ｎの出力光Ｚ_ｎの強度は減衰しない。その結果、光電変換が不要であり、多層ニューラルネットワークを無電力化することができる。

各層の光演算素子１_ｎの間に他の光学部品を配置するようにしてもよい。光学部品は、例えば光フィルター及びカプラー等が考えられる。

図６は、図４に示した光演算素子１_１と光演算素子１_２の間に例えば光フィルター９０を配置した例を模式的に示す図である。光フィルター９０は、光信号を分岐させるカプラーに置き換えてもよい。

このようにｎ（ｎ＝2,3,…,Ｎ）層目の光演算素子とｎ＋１層目の光演算素子の間に、n個目の光演算素子の出力光を、分岐させるカプラー又は変調させる光フルターが配置されるように多層ニューラルネットワークを構成してもよい。これによれば多層ニューラルネットワークの設計の自由度を向上させることができる。

〔第２実施形態〕
図７は、本発明の第２実施形態に係る光演算素子の構成例を模式的に示す斜視図である。図７は図１に対応する図である。

図７に示す光演算素子２は、第３光導波路８０ｃを備える点で光演算素子１（図１）と異なる。第３光導波路８０ｃは、経路７０で反射した反射光を外部に導出させるものである。

経路７０で反射した反射光は、第１光導波路８０ａを伝搬して入力側に戻る反射光と、経路７０付近で消失するまで反射を繰り返す反射波の2つが存在すると考えられる。後者の反射波は、光信号の演算のＳＮ比を劣化させる場合がある。

そこで本実施形態に係る光演算素子２は、第１光導波路８０ａの経路７０に対する入射角度と同じ角度の反射角度を持ち、先端部を第１光導波路８０ａの先端部に接触させる第３光導波路８０ｃを備える。これにより、経路７０で反射された外部光Ｂは、第３光導波路８０ｃによって外部に導出される。したがって、経路７０付近で反射を繰り返す反射波が減少するので、光信号の演算のＳＮ比を向上させることができる。

また、第３光導波路８０ｃから導出される反射光を演算に用いることも可能である。第３光導波路８０ｃから出力される反射光を演算に用いることで多層ニューラルネットワークの設計の自由度を向上させることができる。

以上説明したように本実施形態の光演算素子１，２によれば、光電変換を行うことなく、多層化した光ニューラルネットワークを構築できる。また、本実施形態の多層ニューラルネットワーク１００によれば、各層のそれぞれに外部から外部光Ｂが導入されるので、光信号と電気信号を用いた演算を交互に行う必要がない。その結果、演算を無電力化することができる。

また、非金属製の材料で構成することが可能なので無電力であることも含め、従来の半導体チップを利用したＩｏＴデバイスの適用が困難な利用場面での光演算素子の活用を可能にする。また、光電変換を行わないことによる部品点数の削減によるコストダウン及び故障リスクを減少させるという効果も奏する。

なお、本発明の光変形部材３０は、いわゆる紐状の形態の例で説明したが、この例に限定されない。光変形部材３０は、例えば帯状であっても紐を編んだものであってもよい。要するに光変形部材３０は、膨張、屈曲、及び伸張等の変形が生じるものであれば何でも構わない。このように本発明は、上記の実施形態に限定されるものではなく、その要旨の範囲内で変形が可能である。

なお、光演算素子１，２の加工方法について具体例を示した説明を行わなかったが、当該加工については既存の半導体プロセス及びマイクロマシン加工技術の全てを用いることができる。

１、１_１〜１_３、２：光演算素子
１０：筐体
２０：開口部
３０：光変形部材
４０：変形蓋
５０：屈折率整合剤
６０：整合剤溜まり部
７０：経路
８０ａ：第１光導波路
８０ｂ：第２光導波路
８０ｃ：第３光導波路
９０：光フィルター又はカプラー
１００：多層ニューラルネットワーク
Ａ：入力光
Ｂ：外部光
Ｃ：出力光

Claims (5)

1. 入力光の強度に応じて変形する光変形部材と、
   前記光変形部材と連結され該光変形部材によって変形させられる変形蓋と、
   屈折率を整合させて外部から導入される外部光を透過させる屈折率整合剤と、
   前記変形蓋で蓋をされ前記屈折率整合剤で満たされた整合剤溜まり部と、
   前記整合剤溜まり部から前記屈折率整合剤を導出する先端が開口された経路と、
   前記経路に対して傾斜し前記外部光を伝搬させる第１光導波路と、
   前記経路を挟んで前記第１光導波路の延長線上に配置され前記経路を透過して来た前記
   外部光を出力する第２光導波路と
   を備えることを特徴とする光演算素子。
2. 前記第１光導波路の前記経路に対する入射角度と同じ角度の反射角度を持ち、先端部を
   前記第１光導波路の先端部に接触させる第３光導波路を
   備えることを特徴とする請求項１に記載の光演算素子。
3. 入力光の強度が最大の場合に前記外部光は遮光される
   ことを特徴とする請求項１又は２に記載の光演算素子。
4. 請求項１乃至３の何れかに記載した光演算素子をＮ（Ｎ≧2）個縦続接続させた多層ニューラルネットワークであって、
   ｎ（ｎ＝2,3,…,Ｎ）層目の光演算素子の前記入力光は、ｎ−１層目の光演算素子の出力光を含む
   ことを特徴とする多層ニューラルネットワーク。
5. ｎ（ｎ＝2,3,…,Ｎ）層目の光演算素子とｎ＋１層目の光演算素子の間に、n個目の光演算素子の出力光を、分岐させるカプラー又は変調させる光フルターが配置される
   ことを特徴とする請求項４に記載の多層ニューラルネットワーク。
   

Images