JP6882686B2 - 光演算素子と多層ニューラルネットワーク - Google Patents

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。従来の光ニューラルネットワークは、多層化することによって減衰する光信号を増幅する目的で光電変換を行う必要がある（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、光信号と電気信号を用いた演算を交互に行うため、光電変換に伴う速度損失と電力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、多層化した光ニューラルネットワークを構築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。

また、本発明の他の態様に係る光演算素子は、入力光の強度に応じて膨張収縮する膨張材及び駆動液を保持した膨張材保持部と、前記膨張材保持部に接続され、前記膨張材の膨張収縮に伴うに伴う前記駆動液の移動によって移動する位相整合部を保持した経路と、前記経路の側面に配置され、該経路を挟んで一方の外部から取り込むダクト光を前記位相整合部の移動に従って反射または透過させ、前記一方の反対側の外部に前記ダクト光を透過させる開口部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、多層化した光ニューラルネットワークを構築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図である。 図１に示す光演算素子の開口部の一例を示す図であり、（ａ）は正面図、（ｂ）は入力光と出力光の関係を模式的に示す図である。 図１に示す光演算素子の開口部の他の例を示す図であり、（ａ）は正面図、（ｂ）は入力光と出力光の関係を模式的に示す図である。 図２に示す開口部内の膨張材の組成を変えた変形例を示す図であり、（ａ）は正面図、（ｂ）は入力光と出力光の関係を模式的に示す図である。 本発明の第１実施形態に係る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。 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図である。図１に示す光演算素子１は、入力光Ａとダクト光Ｂが入力され、ダクト光Ｂを、入力光Ａの強度に応じて変換（出力光Ｃ）するものである。入力光Ａは、例えば積和演算された光信号である。光演算素子１は、光電変換を用いずに光ニューラルネットワークを構築できる光演算素子である。

ダクト光は、一般的には建築分野で用いられる文言であり、屋外から光を取り込むダクト（導管）から導入する光を意味する。本実施形態においては、ダクト光Ｂを光演算素子１の外部から取り込むある一定の強度の光と定義する。ダクト光Ｂの強度は、ある程度変動しても構わない。

光演算素子１は、筐体１０、膨張液２０、膨張材保持部３０、位相整合部４０、経路５０、及び開口部６０を備える。図１において筐体１０の内部において入力光Ａ、出力光Ｃ、及びダクト光Ｂのそれぞれは、太い矢印（一点鎖線）で表記し、各光を伝送する伝送路の表記は省略している。

筐体１０は、例えば石英あるいは有機分子ポリマーで構成される。入力光Ａ、出力光Ｃ、及びダクト光Ｂが導波する伝送路（図示せず）は、他の筐体１０の部分よりも屈折率が高い材質で構成される。筐体１０の膨張材保持部３０及び経路５０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。

膨張材保持部３０は、入力光Ａの強度に応じて膨張収縮する膨張液２０を保持する。膨張液２０は、例えば、光や熱によって膨張収縮する刺激応答性イオンゲルや液体を用いることができる。膨張材保持部３０の形状は、例えば球状であり、その球の中に膨張液２０が満たされている。なお、膨張材保持部３０の形状は球に限定されない。入力光Ａの強度によって、膨張材保持部３０にある膨張液２０を膨張収縮させられればどのような形状であってもよい。

また、膨張材保持部３０には、例えば、ポリジメチルシクロキサン（ＰＤＭＳ）等の熱膨張係数の大きな材料やアゾベンゼン環状分子等の光異性化材料など、入力光Ａの強度に応じて膨張収縮する固体の膨張材２０ａ（図示省略）を保持させてもよい。この場合、膨張材保持部３０内の残りの空間には、膨張材２０ａの膨張収縮によって移動する駆動液２０ｂ（図示省略）を満たしておく。この駆動液２０ｂ自体は必ずしも膨張収縮しなくてもよい。

経路５０は、膨張材保持部３０に接続され、膨張液２０の膨張収縮に伴う移動、もしくは膨張材２０ａの膨張収縮に伴う駆動液２０ｂの移動によって移動する位相整合部４０を保持する。位相整合部４０は、ダクト光Ｂが導波する伝送路及び出力光Ｃが導波する伝送路の材質と同じ屈折率を持つように調整したシリコンオイル等で構成される。

位相整合部４０を、例えばシリコンオイルのような液状物で構成した場合、膨張液２０もしくは駆動液２０ｂと混ざらないようにするため、両者の液性を異ならせる。例えば、膨張液２０もしくは駆動液２０ｂを親水性の溶液であるイオン液体で構成した場合、位相整合部４０は疎水性の溶液であるシリコンオイルで構成する。このように両者の液性を異ならせることで膨張液２０や駆動液２０ｂと位相整合部４０とを分離することができる。

経路５０の膨張材保持部３０と反対側の端は、筐体１０の縁部で孔を形成する。例えば経路５０の断面が円であれば孔は楕円になる。孔から孔側の位相整合部４０の端部との間の経路５０の内部は、例えば大気で満たされる。

開口部６０は、経路５０の側面に配置され、該経路５０を挟んで一方の外部からダクト光Ｂを位相整合部４０の移動に従って反射または透過させ、該経路５０を挟んで上記一方の反対側の外部にダクト光Ｂを透過（出力光Ｃ）させる。

ダクト光Ｂを入力する側から見た開口部６０の開口部分の全部に、例えば位相整合部４０が位置していれば、ダクト光Ｂは全て透過するのでダクト光Ｂの強度と等しい強度の出力光Ｃが出力される。

逆に、ダクト光Ｂの入力側から見た開口部６０の開口部分の全部に、膨張液２０もしくは駆動液２０ｂが位置していれば、膨張液２０や駆動液２０ｂの屈折率はダクト光Ｂが導波する伝送路の屈折率と異なるので、それらの屈折率から求まる全反射の条件を満たすようにダクト光Ｂの入射角度を調整しておく。そうすることでダクト光Ｂは全て反射し、出力光Ｃの強度はゼロになる。なお、全反射の条件は必須ではない。全反射しなくても、開口部分内（開口部６０）の膨張液２０もしくは駆動液２０ｂの割合が増えることで出力光Ｃの強度は減少する。

また、ダクト光Ｂの入力側から見た開口部６０の開口部分に、膨張液２０もしくは駆動液２０ｂと位相整合部４０の境界が位置すれば、開口部６０内の両者の面積比に応じて出力光Ｃの強度は変化することになる。

このように本実施形態に係る光演算素子１によれば、入力光Ａの強度に応じて外部から取り込むダクト光Ｂの強度を変化させた出力光Ｃを生成することができる。つまり、多数の光演算素子１を縦続に接続した場合でも、ダクト光Ｂを所定の一定の強度にしておけば各々の光演算素子１の出力光Ｃの強度は、前の層（前段）から入力される入力光Ａの強度のみによって決定されることになる。

したがって、本実施形態に係る光演算素子１は、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。

以下の実施形態では、膨張材保持部３０に膨張液２０を保持した場合を例にとって説明を行うが、膨張材保持部３０に膨張材２０ａ及び駆動液２０ｂを保持した場合であっても同様の作用効果を得ることができる。

本実施形態に係る光演算素子１は、開口部６０の形状によって、出力光Ｃの強度を例えば非線形に変換することができる。次に、開口部６０の形状と出力光Ｃの強度の関係について、具体例を示して詳しく説明する。

（開口部）
図２は、出力光Ｃの強度を入力光Ａの強度に応じて非線形に変換する例を示す。図２（ａ）は、開口部６０を、ダクト光Ｂを入射する方向から見た正面図である。図２（ｂ）は、入力光Ａの強度（横軸）と出力光Ｃの強度（縦軸）の関係を示す図である。

図２（ａ）に一点鎖線で示す円Ｂは、ダクト光Ｂのビーム形状である。なお、この例は、開口部６０の面に対してダクト光Ｂが垂直に入射する例である。

開口部６０のダクト光Ｂが通過する部分は窓６１が形成される。窓６１は、例えばヒトデ形である。窓６１の形状によって定まる関数でダクト光の強度を変換することができる。

窓６１の中を横切る直線６０ａは、膨張液２０と位相整合部４０の境界（以降、境界６０ａ）である。境界６０ａの位置は、入力光Ａの強度によって変化する。入力光Ａの強度が大きいとこの例では膨張液２０が膨張し、境界６０ａが膨張材保持部３０と反対側に移動する。入力光Ａの強度が小さいと、膨張液２０が収縮し、位相整合部４０は大気圧によって膨張材保持部３０の側に移動するので、境界６０ａも膨張材保持部３０の側に移動する。

例えば膨張液２０を、入力光Ａの強度が大きい場合に膨張し、入力光Ａの強度が小さい場合に収縮する材料で構成したと仮定する。

その仮定において、入力光Ａの強度が小さいと、例えば境界６０ａはαの位置にある。この場合、開口部６０の開口部分のほとんどの領域（面積）は、位相整合部４０で占められる。したがって、ダクト光Ｂのほとんどは位相整合部４０を透過して出力光Ｃとなる（図２（ｂ）の「α」）。

入力光Ａの強度が少し強くなって膨張液２０が膨張し境界６０ａがαからβの位置に少し近づくと、窓６１のその大凡三角形の部分は（α付近）相似する関係で大きくなるので、その入力光Ａの強度の減少に比例して出力光Ｃの強度が低下する（図２（ｂ）の「α」の直線部分）。

更に、入力光Ａの強度が強くなって境界６０ａがβの位置に移動すると、入力光Ａを反射させる膨張液２０の窓６１内の面積が急激に大きくなるので、出力光Ｃの強度は急激に低下する（図２（ｂ）の「β」）。境界６０ａの位置がβに変化した場合の出力光Ｃの強度は、入力光Ａの強度が最小の場合の強度の大凡半分である。

更に、入力光Ａの強度が強くなって境界６０ａがγの位置に移動すると、入力光Ａの強度の変化に対する窓６１内の膨張液２０と位相整合部４０との割合は、再び相似形で変化するようになる。したがって、境界６０ａの位置がγ付近に有る場合の出力光Ｃの入力光Ａに対する変化はほぼ比例する関係となる。

以上説明したように、図２に示す例ではダクト光Ｂの強度を、入力光Ａの強度に応じて非線形に変換することができる。つまり、開口部６０の窓６１の形状によって定まる関数でダクト光Ｂの強度を変換することができる。

（開口部の変形例）
図３は、開口部６０の変形例を示す図である。図３に示す開口部６０は、ダクト光Ｂの強度を線形に変換する窓６１を持つ。図３（ａ）は図２（ａ）に、図３（ｂ）は図２（ｂ）に、それぞれ対応する。

図３（ａ）は、開口部６０の窓６１の形状が長方形である点で図２（ａ）と異なる。図３（ｂ）の横軸と縦軸との関係は図２（ｂ）と同じである。また、膨張液２０と位相整合部４０の組成も同じであり、膨張液２０は入力光Ａの強度が大きい場合に膨張し、入力光Ａの強度が小さい場合に収縮するものと仮定する。

その仮定において、入力光Ａの強度が小さいと、例えば境界６０ａはαの位置に移動する。この場合、開口部６０の開口部分のほとんどの領域（面積）は、位相整合部４０で占められる。したがって、ダクト光Ｂのほとんどは位相整合部４０を透過して出力光Ｃとなる（図２（ｂ）の「α」）。

更に、入力光Ａの強度が強くなって境界６０ａがβの位置に移動すると、入力光Ａを反射させる膨張液２０の窓６１内の割合はほぼ半分に減少するので、出力光Ｃの強度は約半分に低下する（図２（ｂ）の「β」）。更に、入力光Ａの強度が強くなって境界６０ａがγの位置に移動すると、出力光の強度は図３（ｂ）のγで示す大きさに低下する。

境界６０ａがαからγに変化する間の出力光の強度の変化は、直線的に減少する。これは、窓６１の形状が長方形であり、短辺の長さが固定であることによる。

このように図３に示す開口部６０の窓６１の形状によって、ダクト光Ｂの強度を、入力光Ａの強度に応じて線形に変換することも可能である。要するに、開口部６０の窓６１の形状によって定まる任意の関数でダクト光Ｂの強度を変換することができる。

以上、開口部６０の窓６１の形状によって定まる任意の関数でダクト光Ｂを変換できることを説明した。他の変形例として、入力光の強度に対する出力光の強度の変化の仕方を変えることも可能である。次に、図２（ｂ）の特性を逆転させた変形例について説明する。

（他の変形例）
図４は、図２（ｂ）の特性を逆転させた開口部６０の例を示す。図４（ａ）は図２（ａ）に、図４（ｂ）は図（ｂ）にそれぞれ対応する。

図４に示す開口部６０は、膨張液２１を備える点で図２の開口部と異なる。膨張液２１は、入力光Ａの強度が大きい場合に収縮し、入力光Ａの強度が小さい場合に膨張する材料で構成される。

膨張液２１は、入力光Ａの強度が小さい場合に膨張するので、その場合の窓６１内の境界６０ａの位置を図４（ａ）のγと仮定する。境界６０ａがγに位置する場合は、窓６１のほとんどの部分を膨張液２１で占める。したがって入力光Ａは、そのほとんどが反射されるので。出力光Ｃの強度は小さくなる。

逆に、入力光Ａの強度が大きい場合、膨張液２１は収縮するので境界６０ａは膨張材保持部３０側に近づく（図４（ｂ）のα）。この場合は、窓のほとんどの部分を位相整合部４０が占める。その結果、入力光Ａのほとんどが透過するので出力光Ｂの強度は大きくなる。

なお、γとαとの間の出力光Ｃの入力光Ａに対する変化は、窓６１の形状が同じであるため図２（ｂ）と同様に非線形に変化する。このように膨張液２０から膨張液２１のように組成を変えることで、光演算素子１の論理を反転させることができる。

なお、光演算素子１の論理を反転させる方法としては、経路５０の開孔側の境界を用いる方法も考えられる。経路５０の開孔側の境界は、位相整合部４０と空気層（参照符号省略）の境界である。この境界を用いた場合を図４（ａ）の例で説明すると、膨張液２１が膨張すると位相整合部４０の窓６１内の割合が増える。よって、上記の説明とは逆に出力光Ｃの強度は大きくなる。

（多層ニューラルネットワーク）
本実施形態に係る光演算素子１を、多層に縦続接続させて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、外部から取り込むダクト光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ダクト光Ｂが入力され、該ダクト光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。

〔第２実施形態〕
図６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図である。図６に示す光演算素子２は、光演算素子１（図１）に対してダクト光Ｂを反射するセパレータ７０を備える点で異なる。セパレータ７０は、膨張液２０と位相整合部４０の間に配置される。

セパレータ７０は、ダクト光Ｂを反射させる材料で構成される。セパレータ７０は、所定の量の例えば水銀等で構成してもよい。

本実施形態の光演算素子２によれば、ダクト光Ｂはセパレータ７０で反射されるので、膨張液２０の作用を膨張収縮に特化させることができる。その結果、ダクト光Ｂを反射するのには適さないが膨張収縮に優れた膨張液２０を用いることができ、光演算素子２の性能を向上させることができる。また、光演算素子２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ダクト光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。

なお、本発明は上記した例に限定されない。開口部６０の窓６１は、ヒトデ形、長方形の例を示して説明したが、窓形状は多様の形状が考えられる。また、入力光Ａ、ダクト光Ｂ、及び出力光Ｃは、それぞれ１個の例で説明したが、一つの筐体１０にそれぞれの光を複数入出力させてもよい。

また、経路５０の膨張材保持部３０と反対側の部分は、大気で満たされる例で説明を行ったが、窒素等の気体を用いその圧力を、所定の圧力になるように制御してもよい。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、２１：膨張液
２０ａ：膨張材
２０ｂ：駆動液
３０：膨張材保持部
４０：位相整合部
５０：経路
６０：開口部
６１：窓
６０ａ：境界
１００：多層ニューラルネットワーク
１０１_１〜１０１_３、１０２_１〜１０２_３：乗算器
１０３_１〜１０３_３：加算器
Ａ：入力光
Ｂ：ダクト光（ビーム形状）
Ｃ：出力光

Claims (4)

1. 入力光の強度に応じて膨張収縮する膨張材及び駆動液を保持した膨張材保持部と、
   前記膨張材保持部に接続され、前記膨張材の膨張収縮に伴う前記駆動液の移動によって移動する位相整合部を保持した経路と、
   前記経路の側面に配置され、該経路を挟んで一方の外部から取り込むダクト光を前記位相整合部の移動に従って反射または透過させ、前記一方の反対側の外部に前記ダクト光を透過させる開口部と
   を備えることを特徴とする光演算素子。
2. 請求項１に記載した光演算素子において、
   前記開口部は、
   該開口部の窓の形状によって定まる関数で前記ダクト光の強度を変換するものであることを特徴とする光演算素子。
3. 請求項１又は２に記載した光演算素子において、
   前記駆動液と前記位相整合部との間に配置され、前記ダクト光を反射させるセパレータを備えることを特徴とする光演算素子。
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。

Images