JP2020086049A - 光演算素子と多層ニューラルネットワーク - Google Patents
光演算素子と多層ニューラルネットワーク Download PDFInfo
- Publication number
- JP2020086049A JP2020086049A JP2018217931A JP2018217931A JP2020086049A JP 2020086049 A JP2020086049 A JP 2020086049A JP 2018217931 A JP2018217931 A JP 2018217931A JP 2018217931 A JP2018217931 A JP 2018217931A JP 2020086049 A JP2020086049 A JP 2020086049A
- Authority
- JP
- Japan
- Prior art keywords
- optical
- light
- path
- matching agent
- refractive index
- 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
Images
Classifications
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B26/00—Optical devices or arrangements for the control of light using movable or deformable optical elements
- G02B26/08—Optical devices or arrangements for the control of light using movable or deformable optical elements for controlling the direction of light
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B6/00—Light guides; Structural details of arrangements comprising light guides and other optical elements, e.g. couplings
- G02B6/24—Coupling light guides
- G02B6/26—Optical coupling means
- G02B6/35—Optical coupling means having switching means
-
- G—PHYSICS
- G02—OPTICS
- G02F—OPTICAL DEVICES OR ARRANGEMENTS FOR THE CONTROL OF LIGHT BY MODIFICATION OF THE OPTICAL PROPERTIES OF THE MEDIA OF THE ELEMENTS INVOLVED THEREIN; NON-LINEAR OPTICS; FREQUENCY-CHANGING OF LIGHT; OPTICAL LOGIC ELEMENTS; OPTICAL ANALOGUE/DIGITAL CONVERTERS
- G02F3/00—Optical logic elements; Optical bistable devices
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Optics & Photonics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Neurology (AREA)
- Nonlinear Science (AREA)
- Mechanical Light Control Or Optical Switches (AREA)
- Optical Modulation, Optical Deflection, Nonlinear Optics, Optical Demodulation, Optical Logic Elements (AREA)
- Optical Integrated Circuits (AREA)
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。
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。
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。
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。
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。
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11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12の開口部202に入力させる。光演算素子11と光演算素子12の第1光導波路80b1と第1光導波路80b2には、一定の光強度の外部光Bがそれぞれ入力される。
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11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12の開口部202に入力させる。光演算素子11と光演算素子12の第1光導波路80b1と第1光導波路80b2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11の出力光Z1は、2層目の光演算素子12の入力光を生成する乗算器1012に入力される。乗算器1012は、出力光Z1に重みw3を乗じて加算器1032の一方の入力に出力する。
加算器1032は、乗算器1012の出力と乗算器1022の出力を加算して光演算素子12の入力光を生成する。乗算器1022の出力は、図示しない光演算素子の出力光Z2に重みw4を乗じたものである。
2層目の光演算素子12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1032が出力する積和信号で変換した出力光Z3を生成する。3層目以降の光演算素子13が生成する出力光Z5についても、当該出力光Z5を生成するための構成は、2層目の光演算素子12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Anは、n−1層目の光演算素子の出力光Zn−1を含む。
この構成によれば、各層の光演算素子1n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1n−1の出力光Zn−1で変換された出力光Zn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1nの出力光Zn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1n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11と光演算素子12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、11〜13、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
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)
- 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。 - 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。 - 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。 - 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。 - 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。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018217931A JP2020086049A (ja) | 2018-11-21 | 2018-11-21 | 光演算素子と多層ニューラルネットワーク |
PCT/JP2019/043736 WO2020105459A1 (ja) | 2018-11-21 | 2019-11-07 | 光演算素子と多層ニューラルネットワーク |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018217931A JP2020086049A (ja) | 2018-11-21 | 2018-11-21 | 光演算素子と多層ニューラルネットワーク |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2020086049A true JP2020086049A (ja) | 2020-06-04 |
Family
ID=70773417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018217931A Pending JP2020086049A (ja) | 2018-11-21 | 2018-11-21 | 光演算素子と多層ニューラルネットワーク |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP2020086049A (ja) |
WO (1) | WO2020105459A1 (ja) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05303048A (ja) * | 1992-04-27 | 1993-11-16 | Fujikura Ltd | 光路切替装置 |
US5978527A (en) * | 1997-10-20 | 1999-11-02 | Hewlett-Packard Company | Thermal optical switches for light |
US6487333B2 (en) * | 1999-12-22 | 2002-11-26 | Agilent Technologies, Inc. | Total internal reflection optical switch |
EP1554617B1 (en) * | 2002-09-23 | 2010-01-06 | C.H.I. Development Mgmt. Ltd. XXXIII, LLC | Optically driven micro actuator |
US6999221B1 (en) * | 2003-11-17 | 2006-02-14 | Alabama A&M University | Bimorphic polymeric photomechanical actuator |
JP2012099431A (ja) * | 2010-11-05 | 2012-05-24 | Konica Minolta Holdings Inc | 照明装置および発光パネル |
-
2018
- 2018-11-21 JP JP2018217931A patent/JP2020086049A/ja active Pending
-
2019
- 2019-11-07 WO PCT/JP2019/043736 patent/WO2020105459A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2020105459A1 (ja) | 2020-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kitayama et al. | Novel frontier of photonics for data processing—Photonic accelerator | |
US11671182B2 (en) | Systems and methods for analog computing using a linear photonic processor | |
Younas et al. | Chirped solitons in optical monomode fibres modelled with Chen–Lee–Liu equation | |
US3814498A (en) | Integrated optical circuit devices employing optical gratings | |
GB2453247A (en) | Imaging system having enhanced resolution | |
Huang et al. | Programmable matrix operation with reconfigurable time-wavelength plane manipulation and dispersed time delay | |
Ishihara et al. | An optical neural network architecture based on highly parallelized WDM-multiplier-accumulator | |
JP6882686B2 (ja) | 光演算素子と多層ニューラルネットワーク | |
ES2804123T3 (es) | Sistema para acoplar una radiación en una guía de ondas | |
Brückerhoff-Plückelmann et al. | A large scale photonic matrix processor enabled by charge accumulation | |
JP2020086049A (ja) | 光演算素子と多層ニューラルネットワーク | |
US20240078419A1 (en) | Optical neuron unit and network of the same | |
JP2019148715A (ja) | 光信号処理装置 | |
WO2020240623A1 (ja) | 光演算素子と多層ニューラルネットワーク | |
WO2020225873A1 (ja) | 光演算素子と多層ニューラルネットワーク | |
US8155484B2 (en) | All-optical devices and methods for data processing | |
Estakhri et al. | Solving integral equations with optical metamaterial-waveguide networks | |
Winnie et al. | Stable all-optical limiting in nonlinear periodic structures. III. Nonsolitonic pulse propagation | |
CN113392965A (zh) | 一种哈达玛积的实现方法、设备及存储介质 | |
Verber et al. | Pipelined polynomial processors implemented with integrated optical components | |
JP7139993B2 (ja) | 光信号処理装置 | |
WO2022136146A1 (en) | Optical computing and reconfiguring with spatiotemporal nonlinearities in waveguides | |
Upadhyay et al. | Design and performance analysis of MZI based 2× 2 reversible XNOR logic gate | |
JP6833756B2 (ja) | 光演算素子と多層ニューラルネットワーク | |
US5121249A (en) | Fiber optic computational network utilizing optical and/or gate employing non-linear organic polymers and photovoltaic/piezoelectric optical interfaces |