JP7420356B2 - Photonic neural network on silicon substrate based on tunable filter and its modulation method - Google Patents
Photonic neural network on silicon substrate based on tunable filter and its modulation method Download PDFInfo
- Publication number
- JP7420356B2 JP7420356B2 JP2022501202A JP2022501202A JP7420356B2 JP 7420356 B2 JP7420356 B2 JP 7420356B2 JP 2022501202 A JP2022501202 A JP 2022501202A JP 2022501202 A JP2022501202 A JP 2022501202A JP 7420356 B2 JP7420356 B2 JP 7420356B2
- Authority
- JP
- Japan
- Prior art keywords
- optical
- optical signal
- tunable filter
- signal
- signals
- 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.)
- Active
Links
- 238000013528 artificial neural network Methods 0.000 title claims description 53
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 title claims description 38
- 229910052710 silicon Inorganic materials 0.000 title claims description 38
- 239000010703 silicon Substances 0.000 title claims description 38
- 239000000758 substrate Substances 0.000 title claims description 31
- 238000000034 method Methods 0.000 title claims description 16
- 230000003287 optical effect Effects 0.000 claims description 288
- 238000010438 heat treatment Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 8
- 230000006870 function Effects 0.000 description 17
- 239000011159 matrix material Substances 0.000 description 12
- 230000004913 activation Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 239000012212 insulator Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000000377 silicon dioxide Substances 0.000 description 2
- 238000002834 transmittance Methods 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000010291 electrical method Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000002210 silicon-based material Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/50—Transmitters
- H04B10/516—Details of coding or modulation
-
- 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
- G06N3/06—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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Neurology (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Electromagnetism (AREA)
- Optical Modulation, Optical Deflection, Nonlinear Optics, Optical Demodulation, Optical Logic Elements (AREA)
- Optical Integrated Circuits (AREA)
Description
本願は、出願番号が202010620808.5、出願日が2020年7月1日の中国特許出願に基づいて提案され、この中国特許出願の優先権を主張し、この中国特許出願の内容の全ては参照として本願に組み込まれる。 This application is proposed based on a Chinese patent application with application number 202010620808.5 and filing date of July 1, 2020, and claims priority to this Chinese patent application, and all contents of this Chinese patent application are referred to. Incorporated into this application as.
本開示は、光通信技術分野に関し、特にチューナブルフィルタに基づくシリコン基板上のフォトニックニューラルネットワーク及びその変調方法に関する。 The present disclosure relates to the field of optical communication technology, and in particular to a photonic neural network on a silicon substrate based on a tunable filter and a modulation method thereof.
近年、人工知能及びビッグデータ技術の迅速な発展に伴い、チップのコンピューティング能力、特にレート及び電力消費に対する要件が益々高まっている。従来の電子チップは、ムーアの法則によって制限されるため、その集積度及びコンピューティング能力の向上が遅い。フォトニックチップは、情報処理キャリアとして超高速伝送速度、超低電力消費を有するため、益々注目されている。そのうち、シリコンフォトニックチップは、シリコンオンインシュレータ(SOI,Silicon-on-Insulator)材料で製造され、従来のCMOS(Complementary Metal-Oxide-Semiconductor)プロセスに適合し、高レート、低電力消費、低電力消費、高集積度及び電磁干渉耐性などの利点を有し、現在、光チップの主な実現形態である。 In recent years, with the rapid development of artificial intelligence and big data technology, the requirements for the computing power of chips, especially the rate and power consumption, are increasingly increasing. Conventional electronic chips are limited by Moore's Law, which slows their growth in integration and computing power. Photonic chips are attracting increasing attention as information processing carriers because they have ultra-high transmission speeds and ultra-low power consumption. Among them, silicon photonic chips are manufactured using silicon-on-insulator (SOI) materials, are compatible with the traditional CMOS (complementary metal-oxide-semiconductor) process, and have high rates, low power consumption, and low power consumption. It has advantages such as consumption, high integration and immunity to electromagnetic interference, and is currently the main implementation form of optical chips.
本開示は、少なくともある程度で関連技術における技術課題の1つを解決することを目的とする。 The present disclosure is directed, at least to some extent, to solving one of the technical problems in the related art.
本開示の実施例は、複数の入力光信号を受信するための複数の入力端と、複数の第1の光信号を出力するための複数の出力端と、を含む線形演算ネットワークであって、前記複数の入力光信号と前記複数の第1の光信号は、1対1の対応関係を有し、各入力光信号の光強度と対応する第1の光信号の光強度は、線形関係を有する線形演算ネットワークと、前記複数の第1の光信号を受信し、前記複数の第1の光信号を複数の電気信号に変換するための複数の光電検出器と、複数の第2の光信号を出力するための複数の光源と、それぞれ1つの光電検出器及び1つの光源に接続され、且つそれぞれ前記光電検出器から出力された前記電気信号及び前記光源から出力された前記第2の光信号を受信し、前記電気信号に基づいて前記第2の光信号を変調して第3の光信号を出力するための複数のチューナブルフィルタと、を備え、前記第3の光信号の光強度と対応する前記第1の光信号の光強度は、非線形関係を有するチューナブルフィルタに基づくシリコン基板上のフォトニックニューラルネットワークを提供する。 An embodiment of the present disclosure is a linear computing network including a plurality of input ends for receiving a plurality of input optical signals and a plurality of output ends for outputting a plurality of first optical signals, the network comprising: The plurality of input optical signals and the plurality of first optical signals have a one-to-one correspondence, and the optical intensity of each input optical signal and the optical intensity of the corresponding first optical signal have a linear relationship. a plurality of photoelectric detectors for receiving the plurality of first optical signals and converting the plurality of first optical signals into a plurality of electrical signals; and a plurality of second optical signals. a plurality of light sources for outputting, each connected to one photoelectric detector and one light source, and the electrical signal output from the photoelectric detector and the second optical signal output from the light source, respectively; a plurality of tunable filters for receiving the electrical signal, modulating the second optical signal based on the electrical signal, and outputting a third optical signal, the optical intensity of the third optical signal and The optical intensity of the corresponding first optical signal provides a photonic neural network on a silicon substrate based on tunable filters having a non-linear relationship.
本開示の実施例において、前記線形演算ネットワークは、Mach-Zehnder interferometer(MZI)ネットワーク又はDirect coupler(DC)ネットワークを含む。 In embodiments of the present disclosure, the linear operation network includes a Mach-Zehnder interferometer (MZI) network or a Direct Coupler (DC) network.
本開示の実施例において、前記入力光信号、前記第1の光信号、前記第2の光信号及び前記第3の光信号は、同じ波長を有する。 In an embodiment of the present disclosure, the input optical signal , the first optical signal, the second optical signal , and the third optical signal have the same wavelength.
本開示の実施例において、前記チューナブルフィルタは、ブラッグ反射グレーティングフィルタを含む。 In embodiments of the present disclosure, the tunable filter includes a Bragg reflection grating filter.
本開示の実施例において、前記ブラッグ反射グレーティングフィルタは、前記電気信号を受信するための加熱層と、前記加熱層の下に位置し、その第1の端が前記第2の光信号を受信するために用いられ、その第2の端が前記第3の光信号を出力するために用いられるブラッググレーティングと、を含む。 In an embodiment of the present disclosure, the Bragg reflection grating filter includes a heating layer for receiving the electrical signal, and is located below the heating layer, and a first end thereof receives the second optical signal. a Bragg grating, the second end of which is used for outputting the third optical signal .
本開示の実施例において、熱的変調又は電気的変調によって前記ブラッググレーティングの有効屈折率を変更することで、前記チューナブルフィルタを実現する。 In embodiments of the present disclosure, the tunable filter is realized by changing the effective refractive index of the Bragg grating through thermal modulation or electrical modulation.
本開示の実施例において、前記チューナブルフィルタは、F-Pキャビティフィルタを含む。 In embodiments of the present disclosure, the tunable filter includes an FP cavity filter.
本開示の実施例において、前記F-Pキャビティフィルタは、前記電気信号を受信するための加熱層と、前記加熱層の下に位置する光導波路と、前記光導波路の第1の端に接続され、前記第2の光信号を受信するための第1の分布ブラッグ反射鏡と、前記光導波路の第2の端に接続され、前記第3の光信号を出力するための第2の分布ブラッグ反射鏡と、を含む。 In an embodiment of the present disclosure, the FP cavity filter includes a heating layer for receiving the electrical signal, an optical waveguide located under the heating layer, and a first end of the optical waveguide. a first distributed Bragg reflector for receiving the second optical signal; and a second distributed Bragg mirror connected to the second end of the optical waveguide for outputting the third optical signal. including a reflector .
本開示の実施例において、前記光信号を前記加熱層に入力して前記光導波路の有効屈折率を変更することで、前記光導波路を経由する前記第2の光信号を前記第3の光信号に変更する。 In an embodiment of the present disclosure, the optical signal is input to the heating layer to change the effective refractive index of the optical waveguide, thereby converting the second optical signal passing through the optical waveguide into the third optical signal. Change to
本開示の実施例において、前記MZIネットワークは、複数の基本ユニットを含み、前記基本ユニットは、カプラ、外部移相器及び内部移相器を含み、前記カプラは、前記外部移相器と前記内部移相器の間に位置する。 In an embodiment of the present disclosure, the MZI network includes a plurality of basic units, the basic units include a coupler, an external phase shifter, and an internal phase shifter, and the coupler connects the external phase shifter and the internal phase shifter. Located between the phase shifters.
本開示の実施例において、前記DCネットワークは、複数の基本ユニットを含み、前記基本ユニットは、変調アーム及びチューナブルDCカプラを含む。 In an embodiment of the present disclosure, the DC network includes a plurality of basic units, and the basic units include a modulation arm and a tunable DC coupler.
本開示の実施例において、前記チューナブルフィルタの中心波長は、初期又は無変調状態の時に前記第2の光信号の波長と同じである。 In an embodiment of the present disclosure, the center wavelength of the tunable filter is the same as the wavelength of the second optical signal in an initial or unmodulated state.
本開示の実施例において、前記チューナブルフィルタに印加された前記電気信号が変化すると、前記チューナブルフィルタの中心波長がシフトし、前記第2の光信号の波長における光波の透過強度が変化し、前記チューナブルフィルタから出力された前記第3の光信号の光強度と前記線形ネットワークから出力された前記第1の光信号の光強度が非線形関係を呈するようになる。 In an embodiment of the present disclosure, when the electrical signal applied to the tunable filter changes, the center wavelength of the tunable filter shifts, and the transmitted intensity of the light wave at the wavelength of the second optical signal changes, The optical intensity of the third optical signal output from the tunable filter and the optical intensity of the first optical signal output from the linear network exhibit a nonlinear relationship.
本開示の実施例は、複数の上記のいずれか一項に記載のチューナブルフィルタに基づくシリコン基板上のフォトニックニューラルネットワークを含むフォトニック集積回路を提供する。 Embodiments of the present disclosure provide a photonic integrated circuit including a photonic neural network on a silicon substrate based on a plurality of tunable filters as described in any one above.
本開示の実施例は、複数の入力光信号に線形演算を行い、複数の第1の光信号を得るステップと、前記複数の第1の光信号を複数の電気信号に変換するステップと、複数の第2の光信号を得るステップと、複数の電気信号を利用して複数の第2の光信号を変調し、複数の第3の光信号を得るステップと、を含み、前記第3の光信号の光強度と対応する前記第1の光信号の光強度は、非線形関係を有する光信号の変調方法を提案する。 An embodiment of the present disclosure includes a step of performing a linear operation on a plurality of input optical signals to obtain a plurality of first optical signals, a step of converting the plurality of first optical signals into a plurality of electrical signals, and a step of converting the plurality of first optical signals into a plurality of electrical signals. and modulating the plurality of second optical signals using the plurality of electrical signals to obtain the plurality of third optical signals, An optical signal modulation method is proposed in which the optical intensity of the signal and the corresponding optical intensity of the first optical signal have a nonlinear relationship.
本開示の実施例において、前記入力光信号、前記第1の光信号、前記第2の光信号及び前記第3の光信号は、同じ波長を有する。 In an embodiment of the present disclosure, the input optical signal, the first optical signal, the second optical signal, and the third optical signal have the same wavelength.
本開示の付加的な態様及び利点は、一部が以下の説明において与えられ、一部が以下の説明から明らかになり、又は本開示の実践によって理解される。 Additional aspects and advantages of the disclosure will be set forth in part in the description that follows, and in part will be obvious from the description, or may be learned by practice of the disclosure.
本開示の上記及び/又は付加的な態様及び利点は、後文で図面に合わせて実施例を説明することによって明らかになり、容易に理解される。
以下、本開示の実施例を詳しく説明し、前記実施例の例は図面に示されており、同じ又は類似する符号は、終始、同じ又は類似する素子、或いは同じ又は類似する機能を有する素子を表す。後文で図面を参照しながら説明される実施例は例示的なものであり、本開示を解釈するためのものであり、本開示を制限するものとして理解してはいけない。 Hereinafter, embodiments of the present disclosure will be described in detail, examples of which are illustrated in the drawings, and the same or similar reference numerals throughout represent the same or similar elements or elements having the same or similar functions. represent. The embodiments described below with reference to the drawings are illustrative and are intended to interpret the present disclosure, and should not be understood as limiting the present disclosure.
大規模のデータ処理に基づく機械学習は、人工知能技術の重要な実現方法であり、その中、人工ニューラルネットワーク(ANNs,Artificial Neural Networks)アルゴリズムは、機械学習によく用いられるアルゴリズムの1つであり、現在、主に電気CMOSチップによりコンピューティングを実現する。データ量及びコンピューティングの複雑さの向上につれて、従来のCMOSコンピューティングチップは、ニューラルネットワークのコンピューティングの要求を十分に満たすことができなくなった。電気CMOSチップに比べて、フォトニック技術により実現されたニューラルネットワークは、コンピューティング速度の面で大幅に高められ(フォトニック人工知能チップのコンピューティング速度がおよそ電子チップの千倍である)、同時に電力消費が電気チップよりも遥かに低い。人工ニューラルネットワークは、入力層、隠れ層及び出力層を含み、各層において情報が行列乗算などの線形結合によって伝搬され、その後、非線形活性化関数により処理され、具体的な演算は、主に行列乗算演算及び非線形活性化関数部分を含む。現在、フォトニックニューラルネットワークチップに対する研究は、光学により人工ニューラルネットワークにおける線形演算、即ち行列乗算演算部分を実現することに集中しており、例えば、シリコンベースMZIネットワーク構造又は波長分割多重システムに基づくマイクロリング重みバンク(micro-ring weight bank)を採用して行列演算などを実現する。しかしながら、非線形活性化関数部分については、依然として電気的方法で実現され、行列演算部分とのオンチップ集積を実現することができず、依然として演算速度が低く、電力消費が高い問題が存在する。 Machine learning based on large-scale data processing is an important implementation method of artificial intelligence technology, and among these, artificial neural networks (ANNs) algorithms are one of the algorithms often used for machine learning. Currently, computing is mainly implemented using electric CMOS chips. With the increase in data volume and computing complexity, traditional CMOS computing chips can no longer fully meet the computing demands of neural networks. Compared to electric CMOS chips, neural networks realized by photonic technology are significantly enhanced in terms of computing speed (the computing speed of photonic artificial intelligence chips is approximately a thousand times that of electronic chips), and at the same time Power consumption is much lower than electric chips. Artificial neural networks include an input layer, a hidden layer, and an output layer.In each layer, information is propagated by linear combinations such as matrix multiplication, and then processed by a nonlinear activation function.Specific operations are mainly matrix multiplications. Contains calculation and non-linear activation function parts. Currently, research on photonic neural network chips is focused on optically realizing the linear operation, that is, the matrix multiplication operation part, in artificial neural networks, such as silicon-based MZI network structure or micro- A micro-ring weight bank is used to perform matrix operations. However, the nonlinear activation function part is still implemented using an electrical method, and on-chip integration with the matrix calculation part cannot be realized, so there are still problems of low calculation speed and high power consumption.
以上を纏めると、ビッグデータ時代の迅速な発展に適応するために、オンチップニューラルネットワークに適するフォトニックコンピューティングチップを実現することは、電気コンピューティングの代わりに光コンピューティングを発展するために必然的なルートであり、現在の研究の重点でもある。光学による非線形活性化関数の実現又はオンチップ集積技術は、依然として模索の段階にあり、低電力消費、低遅延、高エネルギー効率比、高精度のフォトニックニューラルネットワークチップを実現するために、フォトニックニューラルネットワークに適合する励起関数を見つけることは急務となっている。 In summary, in order to adapt to the rapid development of the big data era, it is necessary to realize photonic computing chips suitable for on-chip neural networks to develop optical computing instead of electrical computing. This is the main route and is the focus of current research. The realization of nonlinear activation functions by optics or on-chip integration technology is still in the exploration stage, and photonic There is an urgent need to find excitation functions that are compatible with neural networks.
図1は、本開示の実施例によるチューナブルフィルタに基づくシリコン基板上のフォトニックニューラルネットワークの構造概略図である。 FIG. 1 is a structural schematic diagram of a photonic neural network on a silicon substrate based on a tunable filter according to an embodiment of the present disclosure.
図1に示すように、当該チューナブルフィルタに基づくシリコン基板上のフォトニックニューラルネットワーク12は、線形演算ネットワーク1と、非線形演算オンチップ集積構造6と、を備える。
As shown in FIG. 1, the photonic
線形演算ネットワーク1は、複数の入力端1IN及び複数の出力端1OUTを含む。図1に示す実施例において、線形演算ネットワーク1は、4個の入力端1IN及び4個の出力端1OUTを含み、4×4の線形演算を実現するが、これは単なる例であることを理解すべきである。本開示は、6×6、8×8などの他の線形演算を実現することもでき、これに対して本開示の実施例において限定しない。複数の入力端1INは、複数の入力光信号を受信するために用いられる。複数の出力端1OUTは、複数の第1の光信号を出力するために用いられる。複数の入力光信号と複数の第1の光信号は、1対1の対応関係を有する。各入力光信号の光強度と対応する第1の光信号の光強度は、線形関係を有する。
The
オンチップ集積構造6は、複数の光電検出器2、複数の光源3及び複数のチューナブルフィルタ4を含む。複数の光電検出器2は、複数の第1の光信号を受信し、複数の第1の光信号を複数の電気信号に変換するために用いられる。つまり、各光電検出器2は、複数の第1の光信号のうちの1つの対応する第1の光信号を受信し、対応する第1の光信号を電気信号に変換する。各光源3は、1つの第2の光信号を出力する。各チューナブルフィルタ4は、1つの対応する光電検出器2及び1つの対応する光源3に接続される。各チューナブルフィルタ4は、対応する光電検出器2から出力された電気信号及び対応する光源3から出力された第2の光信号を受信し、電気信号に基づいて第2の光信号を変調して第3の光信号5を出力するために用いられる。
The on-chip integrated
本開示の実施例において、第3の光信号の光強度と対応する第1の光信号の光強度は、非線形関係を有することで、ニューラルネットワークにおける活性化関数の機能を実現する。 In the embodiment of the present disclosure, the optical intensity of the third optical signal and the corresponding optical intensity of the first optical signal have a nonlinear relationship, thereby realizing the function of an activation function in a neural network.
本開示の実施例において、入力光信号、第1の光信号、第2の光信号及び第3の光信号は、同じ波長を有する。 In embodiments of the present disclosure, the input optical signal, the first optical signal, the second optical signal, and the third optical signal have the same wavelength.
図1に示すように、4×4のフォトニックニューラルネットワークを例とし、4×4線形演算1は線形演算部分であり、非線形演算オンチップ集積構造6は非線形活性化関数を実現するモジュールであり、非線形活性化関数を実現するモジュールは、光電検出器、光源及びチューナブルフィルタで構成される。
As shown in FIG. 1, taking a 4×4 photonic neural network as an example, the 4×4
本開示の実施例において、線形演算ネットワーク1は、Mach-Zehnder interferometer(MZI)ネットワーク又はDirect coupler(DC)ネットワークを含む。
In embodiments of the present disclosure, the
例えば、MZIネットワークの複数の入力端は光信号入力端であり、複数の出力端は複数の光電検出器の入力端に接続され、入力された光信号に線形演算を行うために用いられる。 For example, the plurality of input terminals of the MZI network are optical signal input terminals, and the plurality of output terminals are connected to the input terminals of a plurality of photoelectric detectors, and are used to perform linear operations on the input optical signals.
具体的には、フォトニックニューラルネットワークの線形演算部分は、MZIネットワーク構造に基づいて実現され、例えば、行列乗算演算の線形演算である。 Specifically, the linear operation part of the photonic neural network is realized based on the MZI network structure, and is, for example, a linear operation of a matrix multiplication operation.
MZIネットワークは、行列構造であり、複数の基本ユニットを含む。図2に示すように、MZIネットワークの基本ユニット構造7及びMZI基本ユニットの展開構造11が示されている。基本ユニット構造7は、カプラ8、外部移相器9及び内部移相器10を含み、カプラ8は、外部移相器9と内部移相器10の間に位置する。
The MZI network has a matrix structure and includes multiple basic units. As shown in FIG. 2, a
DCネットワークは、行列構造であり、複数の基本ユニットを含む。図3に示すように、DCネットワークの基本ユニット構造7及びDCネットワークの展開構造7-3が示されている。基本ユニット構造7は、変調アーム7-1及びチューナブルDCカプラ7-2を含む。
The DC network has a matrix structure and includes multiple basic units. As shown in FIG. 3, a
MZIネットワーク又はDCネットワークを利用して入力光信号に線形演算を行い、線形演算後に得られた第1の光信号を光電検出器に入力する。光電検出器は、第1の光信号を電気信号に変換する。光電検出器の出力端は、チューナブルフィルタの電極入力端に接続される。光電検出器は、電気信号をチューナブルフィルタの電極入力端に入力し、チューナブルフィルタの変調信号としてチューナブルフィルタに加える。 A linear operation is performed on the input optical signal using the MZI network or the DC network, and the first optical signal obtained after the linear operation is input to the photoelectric detector. A photoelectric detector converts the first optical signal into an electrical signal. The output end of the photoelectric detector is connected to the electrode input end of the tunable filter. The photoelectric detector inputs an electrical signal to the electrode input terminal of the tunable filter, and applies it to the tunable filter as a modulation signal of the tunable filter.
更に、熱的変調又は材料のプラズマ分散効果による電気的変調によって光導波路の有効屈折率を変更することで、チューナブルフィルタを実現する。 Furthermore, a tunable filter is realized by changing the effective refractive index of the optical waveguide by thermal modulation or electrical modulation due to the plasma dispersion effect of the material.
具体的には、チューナブルフィルタは、熱電極又はキャリアドープ層を含み、熱電極により熱エネルギーを光導波路に伝達して光導波路の有効屈折率を変更し、又はキャリアドープ層により熱抵抗を形成し、熱抵抗が電流印加時に発熱して光導波路屈折率の変化を引き起こす。 Specifically, the tunable filter includes a thermal electrode or a carrier-doped layer, and the thermal electrode transfers thermal energy to the optical waveguide to change the effective refractive index of the optical waveguide, or the carrier-doped layer forms a thermal resistance. However, the thermal resistance generates heat when a current is applied, causing a change in the optical waveguide refractive index.
更に、材料のプラズマ分散効果による電気光学変調によって光導波路の有効屈折率を変更することで、チューナブルフィルタを実現してもよい。 Furthermore, a tunable filter may be realized by changing the effective refractive index of the optical waveguide through electro-optic modulation due to the plasma dispersion effect of the material.
本開示の実施例において、チューナブルフィルタは、SOI光導波路(薄膜シリコン材料(Silicon-on-insulator,SOI))に基づく熱的変調ブラッグ反射グレーティングフィルタ又はF-Pキャビティフィルタであってよい。 In embodiments of the present disclosure, the tunable filter may be a thermally modulated Bragg reflection grating filter or an FP cavity filter based on an SOI optical waveguide (thin-film silicon material (Silicon-on-insulator, SOI)).
図4に示すように、チューナブルブラッググレーティングフィルタ構造が示されており、13はシリコン下地であり、14はシリカ埋め込み酸化層であり、15は加熱層であり(構造が限定されていない)、17はブラッグ反射グレーティングである(構造が限定されていない)。 As shown in FIG. 4, a tunable Bragg grating filter structure is shown, 13 is a silicon base, 14 is a silica buried oxide layer, 15 is a heating layer (the structure is not limited), 17 is a Bragg reflection grating (the structure is not limited).
加熱層15は、電気信号を受信するために用いられ、ブラッググレーティング17は、加熱層15の下に位置し、グレーティング17の第1の端は、第2の光信号を受信するために用いられ、グレーティング17の第2の端は、第3の光信号を出力するために用いられる。
The
光信号を加熱層15に入力してグレーティング17の有効屈折率を変更することで、グレーティング17を経由する第2の光信号を第3の光信号に変更する。
By inputting an optical signal into the
図5に示すように、チューナブルFPキャビティフィルタ構造が示されており、13はシリコン下地であり、14はシリカ埋め込み酸化層であり、15は加熱層であり(構造が限定されていない)、16は光導波路であり、17はブラッグ反射グレーティングである(構造が限定されていない)。 As shown in FIG. 5, a tunable FP cavity filter structure is shown, 13 is a silicon base, 14 is a silica buried oxide layer, 15 is a heating layer (the structure is not limited), 16 is an optical waveguide, and 17 is a Bragg reflection grating (the structure is not limited).
具体的には、加熱層15は、電気信号を受信するために用いられ、光導波路16は、加熱層15の下に位置し、第1の分布ブラッグ反射鏡17は、光導波路16の第1の端に接続され、第2の光信号を受信するために用いられ、第2の分布ブラッグ反射鏡17は、光導波路16の第2の端に接続され、第3の光信号を出力するために用いられる。
Specifically, the
本開示の実施例において、F-Pキャビティの両側に第1の分布ブラッグ反射鏡17及び第2の分布ブラッグ反射鏡17が追加され、DBR(Distributed Bragg Reflector)F-Pキャビティフィルタを構成する。第2の光信号は、光導波路を介してDBR F-Pキャビティフィルタに入射し、まず、第1の分布ブラッグ反射鏡17に入り、中心波長の光波が第1の分布ブラッグ反射鏡17と第2の分布ブラッグ反射鏡17の間のF-Pキャビティにおいて干渉し、定常波を形成し、透過した光波が導波路を介して第3の光信号として出力される。両側のグレーティングを利用して反射率を設定し、透過した中心波長と第2の光信号の波長の間に一定のばらつきがあるように、F-Pキャビティの長さを合理的に設定し、F-Pキャビティが熱的変調又は電気的変調される場合、中心波長は第2の光信号の波長へシフトし、第2の光信号の波長における透過率が高くなり、適切な伝送曲線が得られる。それにより、第3の光信号光強度と第1の光信号光強度が非線形関係を呈することを実現する。
In the embodiment of the present disclosure, a first distributed
図1に示すように、光源は、チューナブルフィルタの光信号入力端に設けられ、チューナブルフィルタに光信号を単独で提供する。チューナブルフィルタは、電気信号及び光源により提供された光信号に基づいて変調し、出力端で第3の光信号である光波5を出力する。
As shown in FIG. 1, the light source is provided at the optical signal input end of the tunable filter and solely provides the optical signal to the tunable filter. The tunable filter modulates the electrical signal and the optical signal provided by the light source, and outputs a third optical signal, a
上記光源は、チューナブルフィルタの入力光信号であり、当該入力光信号と線形演算後の光信号は、同じ波長を有する。初期の無変調状態で、チューナブルフィルタの中心波長と入力光信号の波長は等しく、図6に示すように、この時、チューナブルフィルタの中心波長における反射率が最も大きく、透過率が最も小さく、出力光強度が0に近い。線形演算の出力光信号の光強度の変化につれて、チューナブルフィルタに加えられた変調電気信号が変化し、チューナブルフィルタの中心波長は右へシフトし、入力光信号の波長における光波の透過強度はそれに伴って変化し、即ち、フィルタの中心波長がシフトすると、入力光信号の波長における光波の透過率が変化する。それにより、フィルタの出力光強度とMZI行列の出力光強度が非線形関係を呈するようになる。 The light source is an input optical signal of the tunable filter, and the input optical signal and the optical signal after linear calculation have the same wavelength. In the initial non-modulated state, the center wavelength of the tunable filter and the wavelength of the input optical signal are equal, and as shown in Figure 6, at this time, the reflectance at the center wavelength of the tunable filter is the largest and the transmittance is the smallest. , the output light intensity is close to 0. As the optical intensity of the output optical signal of the linear operation changes, the modulated electrical signal applied to the tunable filter changes, the center wavelength of the tunable filter shifts to the right, and the transmitted intensity of the optical wave at the wavelength of the input optical signal becomes Accordingly, when the center wavelength of the filter shifts, the transmittance of light waves at the wavelength of the input optical signal changes. As a result, the output light intensity of the filter and the output light intensity of the MZI matrix exhibit a nonlinear relationship.
図7に示すように、チューナブルフィルタの帯域幅及び自由スペクトル領域(Free Spectral Range,FSR)を一定の範囲内に設計し、MZI行列の出力光強度が小さい場合、フィルタの出力光強度も小さく、MZI行列の出力光強度が大きい場合、フィルタの出力光強度も大きい。従って、MZIネットワークの出力光信号に対して、チューナブルフィルタにおける光波の伝送は、tanhに近似する関数を自然に実現し、それによって非線形関数を実現し、演算の速度及びエネルギー効率比を高めることができる。 As shown in Figure 7, if the bandwidth and free spectral range (FSR) of the tunable filter are designed within a certain range, and the output light intensity of the MZI matrix is small, the output light intensity of the filter will also be small. , when the output light intensity of the MZI matrix is large, the output light intensity of the filter is also large. Therefore, for the output optical signal of the MZI network, the transmission of light waves in the tunable filter naturally realizes a function approximating tan h , thereby realizing a nonlinear function and increasing the speed and energy efficiency ratio of calculation. be able to.
更に、本開示の1つの実施例において、MZIネットワーク、光電検出器、光源及びチューナブルフィルタで構成されたフォトニックニューラルネットワークをカスケードし、多層フォトニックニューラルネットワークを得る。 Furthermore, in one embodiment of the present disclosure, a photonic neural network composed of an MZI network, a photodetector, a light source, and a tunable filter is cascaded to obtain a multilayer photonic neural network.
具体的には、チューナブルフィルタの出力光信号を次の層のMZIネットワーク構造に直接入力して、多層ネットワークのカスケードを実現することができる。各層の非線形活性化関数部分の入力光信号は単独の光源から入力され、出力光強度と入力光強度には正の相関関係があり、同時に、多層カスケード時に光信号強度が挿入損失及び伝送損失によって減衰する問題も解決される。 Specifically, the output optical signal of the tunable filter can be directly input into the next layer MZI network structure to realize a cascade of multilayer networks. The input optical signal for the nonlinear activation function part of each layer is input from a single light source, and there is a positive correlation between the output optical intensity and the input optical intensity. The attenuation problem is also solved.
本開示の実施例によれば、MZIネットワーク又はDCネットワークによって入力光波に線形演算を行い、光電検出器は、MZIネットワーク又はDC線形演算後に出力された光信号を電気信号に変換するために用いられ、光源によりチューナブルフィルタに光信号を提供し、チューナブルフィルタは、電気信号及び光源により提供された光信号に基づいて変調して、光波を出力する。それにより、低電力消費、低遅延、高エネルギー効率比、高精度のフォトニックニューラルネットワークチップを実現し、且つ、各層の非線形活性化関数部分の入力光信号が単独の光源から入力され、出力光強度と入力光強度には正の相関関係があり、同時に、多層カスケード時に光信号強度が挿入損失及び伝送損失によって減衰する問題も解決される。 According to embodiments of the present disclosure, a linear operation is performed on the input light wave by the MZI network or the DC network, and the photoelectric detector is used to convert the optical signal outputted after the MZI network or the DC linear operation into an electrical signal. , the light source provides an optical signal to the tunable filter, and the tunable filter modulates the electrical signal and the optical signal provided by the light source and outputs a light wave. As a result, a photonic neural network chip with low power consumption, low delay, high energy efficiency ratio, and high precision is realized, and the input optical signal of the nonlinear activation function part of each layer is input from a single light source, and the output light There is a positive correlation between the intensity and the input light intensity, and at the same time, the problem that the optical signal intensity is attenuated due to insertion loss and transmission loss when cascading multiple layers is also solved.
以下、図面を参照しながら、本開示の実施例により提案されたチューナブルフィルタに基づくシリコン基板上のフォトニックニューラルネットワークを利用した変調方法について説明する。 Hereinafter, a modulation method using a photonic neural network on a silicon substrate based on a tunable filter proposed according to an embodiment of the present disclosure will be described with reference to the drawings.
図8は、本開示の1つの実施例によるチューナブルフィルタに基づくシリコン基板上のフォトニックニューラルネットワークを利用した変調方法のフローチャートである。 FIG. 8 is a flowchart of a modulation method using a photonic neural network on a silicon substrate based on a tunable filter according to one embodiment of the present disclosure.
図8に示すように、当該チューナブルフィルタに基づくシリコン基板上のフォトニックニューラルネットワークを利用した変調方法は、以下のステップを含む。 As shown in FIG. 8, the modulation method using a photonic neural network on a silicon substrate based on the tunable filter includes the following steps.
S1、複数の入力光信号に線形演算を行い、複数の第1の光信号を得る。 S1: Perform a linear operation on a plurality of input optical signals to obtain a plurality of first optical signals.
S2、前記複数の第1の光信号を複数の電気信号に変換する。 S2, converting the plurality of first optical signals into a plurality of electrical signals.
S3、複数の第2の光信号を得る。 S3, obtain a plurality of second optical signals.
S4、複数の電気信号を利用して複数の第2の光信号を変調し、複数の第3の光信号を得る。 S4, modulating the plurality of second optical signals using the plurality of electrical signals to obtain a plurality of third optical signals.
具体的には、MZIネットワークによって複数の入力光信号に線形演算を行い、線形演算後に得られた複数の第1の光信号を複数の光電検出器に入力し、光電検出器により光信号を電気信号に変換し、且つ電気信号をチューナブルフィルタに入力し、熱的変調又は電気的変調によって光導波路の有効屈折率を変更することで、チューナブルフィルタを実現し、且つ、光源によりチューナブルフィルタに波長が線形演算と同じ第2の光信号を印加し、電気信号及び光源により提供された第2の光信号に基づいて変調し、出力端で第3の光信号を出力する。 Specifically, a linear operation is performed on a plurality of input optical signals using an MZI network, a plurality of first optical signals obtained after the linear operation are inputted to a plurality of photoelectric detectors, and the optical signal is converted into an electric signal by the photoelectric detector. A tunable filter is realized by converting it into a signal, inputting the electrical signal to a tunable filter, and changing the effective refractive index of the optical waveguide by thermal modulation or electrical modulation. A second optical signal having the same wavelength as that of the linear operation is applied to the second optical signal, which is modulated based on the electrical signal and the second optical signal provided by the light source, and a third optical signal is output at the output end.
本開示の実施例において、第3の光信号の光強度と対応する第1の光信号の光強度は、非線形関係を有することで、ニューラルネットワークにおける活性化関数の機能を実現する。 In the embodiment of the present disclosure, the optical intensity of the third optical signal and the corresponding optical intensity of the first optical signal have a nonlinear relationship, thereby realizing the function of an activation function in a neural network.
本開示の実施例において、入力光信号、第1の光信号、第2の光信号及び第3の光信号は、同じ波長を有する。 In embodiments of the present disclosure, the input optical signal, the first optical signal, the second optical signal, and the third optical signal have the same wavelength.
より具体的には、線形演算部分が終わった後、光波がMZI行列から出力され、オンチップ集積された光電検出器により光信号を電気信号に変換し、チューナブルフィルタの変調信号としてチューナブルフィルタに加え、熱的変調又は電気的変調によって光導波路の有効屈折率を変更する。チューナブルフィルタに波長が線形演算と同じ光信号を入力し、チューナブルフィルタの入力光信号とする。初期の無変調状態で、チューナブルフィルタの中心波長と入力光信号の波長が等しいように設計される。 More specifically, after the linear calculation part is finished, the light wave is output from the MZI matrix, the optical signal is converted into an electrical signal by the on-chip integrated photoelectric detector, and the optical signal is converted into an electrical signal as a modulation signal of the tunable filter. In addition, the effective refractive index of the optical waveguide is changed by thermal or electrical modulation. An optical signal having the same wavelength as that of the linear calculation is input to the tunable filter, and is used as the input optical signal of the tunable filter. The tunable filter is designed so that the center wavelength of the tunable filter and the wavelength of the input optical signal are equal in the initial non-modulated state.
前述したフォトニックニューラルネットワークの実施例に対する解釈説明は、当該実施例の方法にも適用されることを説明しておき、ここで繰り返して説明しない。 It should be noted that the explanation of the above embodiment of the photonic neural network also applies to the method of the embodiment, and will not be repeated here.
本開示の実施例により提案されたチューナブルフィルタに基づくシリコン基板上のフォトニックニューラルネットワークを利用した変調方法では、MZIネットワークによって入力光波に線形演算を行い、線形演算後に得られた光信号を光電検出器に入力し、光電検出器により光信号を電気信号に変換し、且つ電気信号をチューナブルフィルタに入力し、熱的変調又は電気的変調によって光導波路の有効屈折率を変更することで、チューナブルフィルタを実現し、且つ、光源によりチューナブルフィルタに波長が線形演算と同じ光信号を印加し、電気信号及び光源により提供された光信号に基づいて変調し、出力端で光波を出力する。それにより、低電力消費、低遅延、高エネルギー効率比、高精度のフォトニックニューラルネットワークチップを実現し、且つ、各層の非線形活性化関数部分の入力光信号が単独の光源から入力され、出力光強度と入力光強度には正の相関関係があり、同時に、多層カスケード時に光信号強度が挿入損失及び伝送損失によって減衰する問題も解決される。 In the modulation method using a photonic neural network on a silicon substrate based on a tunable filter proposed according to an embodiment of the present disclosure, a linear operation is performed on an input light wave by an MZI network, and an optical signal obtained after the linear operation is used as a photonic neural network. By inputting the optical signal into a detector, converting the optical signal into an electrical signal by a photoelectric detector, and inputting the electrical signal into a tunable filter, and changing the effective refractive index of the optical waveguide by thermal modulation or electrical modulation, A tunable filter is realized, and a light source applies an optical signal with the same wavelength as the linear calculation to the tunable filter, modulates it based on the electrical signal and the optical signal provided by the light source, and outputs a light wave at the output end. do. As a result, a photonic neural network chip with low power consumption, low delay, high energy efficiency ratio, and high precision is realized, and the input optical signal of the nonlinear activation function part of each layer is input from a single light source, and the output light There is a positive correlation between the intensity and the input light intensity, and at the same time, the problem of attenuation of the optical signal intensity due to insertion loss and transmission loss when cascading multiple layers is also solved.
なお、「第1」、「第2」という用語は説明のためのものに過ぎず、相対的な重要性を指示又は示唆するか又は指示された技術的特徴の数を表す意味を暗に含むと理解してはいけない。それにより、「第1」、「第2」で限定された特徴は、少なくとも1つの当該特徴を明らか又は暗に含み得る。本開示の説明では、別途明確且つ具体的に限定されていない限り、「複数」の意味は、少なくとも2つであり、例えば2つ、3つなどである。 Note that the terms "first" and "second" are for descriptive purposes only, and imply the meaning of indicating or suggesting relative importance or indicating the number of technical features indicated. Don't understand that. Thereby, the features defined as "first" and "second" may explicitly or implicitly include at least one such feature. In the description of this disclosure, unless clearly and specifically limited otherwise, "plurality" means at least two, such as two, three, etc.
本明細書の説明では、「1つの実施例」、「いくつかの実施例」、「例」、「具体例」、又は「いくつかの例」などの用語を参照した説明は、当該実施例又は例に結合して説明された具体的な特徴、構造、材料又は特性が本開示の少なくとも1つの実施例又は例に含まれることを意味する。本明細書では、上記用語に対する概略的な記述は、必ず同じ実施例又は例に対するものであるとは限らない。また、説明された具体的な特徴、構造、材料又は特性は、いずれか1つの又は複数の実施例又は例において適切な形で結合することができる。更に、相互に矛盾しない限り、当業者は、本明細書で説明された異なる実施例又は例、及び異なる実施例又は例の特徴に対して結合及び組み合わせを行うことができる。 In the description herein, references to terms such as "one embodiment," "some embodiments," "example," "specific example," or "some examples" refer to the description of the embodiment. or means that a specific feature, structure, material, or characteristic described in conjunction with an example is included in at least one embodiment or example of the present disclosure. As used herein, the general descriptions of the above terms are not necessarily referring to the same embodiment or example. Additionally, the specific features, structures, materials or characteristics described may be combined in any suitable manner in any one or more embodiments or examples. Furthermore, those skilled in the art can make combinations and combinations of the different embodiments or examples and features of the different embodiments or examples described herein, unless mutually contradictory.
前文で本開示の実施例を示して説明したが、上記の実施例は例示的なものであり、本開示を制限するものとして理解してはいけず、当業者は、本開示の範囲内で上記の実施例に変更、修正、置換及び変形を行うことができる。
以下に本願発明の当初の特許請求の範囲に記載された発明を付記する。
[C1]
複数の入力光信号を受信するための複数の入力端と、
複数の第1の光信号を出力するための複数の出力端と、を含む線形演算ネットワークであって、前記複数の入力光信号と前記複数の第1の光信号は、1対1の対応関係を有し、各入力光信号の光強度と対応する第1の光信号の光強度は、線形関係を有する線形演算ネットワークと、
前記複数の第1の光信号を受信し、前記複数の第1の光信号を複数の電気信号に変換するための複数の光電検出器と、
複数の第2の光信号を出力するための複数の光源と、
それぞれ1つの光電検出器及び1つの光源に接続され、且つそれぞれ前記光電検出器から出力された前記電気信号及び前記光源から出力された前記第2の光信号を受信し、前記電気信号に基づいて前記第2の光信号を変調して第3の光信号を出力するための複数のチューナブルフィルタと、を備え、
前記第3の光信号の光強度と対応する前記第1の光信号の光強度は、非線形関係を有することを特徴とするチューナブルフィルタに基づくシリコン基板上のフォトニックニューラルネットワーク。
[C2]
前記線形演算ネットワークは、Mach-Zehnder interferometer(MZI)ネットワーク又はDirect coupler(DC)ネットワークを含むことを特徴とするC1に記載のチューナブルフィルタに基づくシリコン基板上のフォトニックニューラルネットワーク。
[C3]
前記入力光信号、前記第1の光信号、前記第2の光信号及び前記第3の光信号は、同じ波長を有することを特徴とするC1又は2に記載のチューナブルフィルタに基づくシリコン基板上のフォトニックニューラルネットワーク。
[C4]
前記チューナブルフィルタは、ブラッグ反射グレーティングフィルタを含むことを特徴とするC1~3のいずれか一項に記載のチューナブルフィルタに基づくシリコン基板上のフォトニックニューラルネットワーク。
[C5]
前記ブラッグ反射グレーティングフィルタは、
前記電気信号を受信するための加熱層と、
前記加熱層の下に位置し、第1の端が前記第2の光信号を受信するために用いられ、第2の端が前記第3の光信号を出力するために用いられるブラッググレーティングと、を含むことを特徴とするC4に記載のチューナブルフィルタに基づくシリコン基板上のフォトニックニューラルネットワーク。
[C6]
熱的変調又は電気的変調によって前記ブラッググレーティングの有効屈折率を変更することで、前記チューナブルフィルタを実現することを特徴とするC5に記載のチューナブルフィルタに基づくシリコン基板上のフォトニックニューラルネットワーク。
[C7]
前記チューナブルフィルタは、F-Pキャビティフィルタを含むことを特徴とするC1~3のいずれか一項に記載のチューナブルフィルタに基づくシリコン基板上のフォトニックニューラルネットワーク。
[C8]
前記F-Pキャビティフィルタは、
前記電気信号を受信するための加熱層と、
前記加熱層の下に位置する光導波路と、
前記光導波路の第1の端に接続され、前記第2の光信号を受信するための第1の分布ブラッグ反射鏡と、
前記光導波路の第2の端に接続され、前記第3の光信号を出力するための第2の分布ブラッグ反射鏡と、を含むことを特徴とするC7に記載のチューナブルフィルタに基づくシリコン基板上のフォトニックニューラルネットワーク。
[C9]
前記光信号を前記加熱層に入力して前記光導波路の有効屈折率を変更することで、前記光導波路を経由する前記第2の光信号を前記第3の光信号に変更することを特徴とするC8に記載のチューナブルフィルタに基づくシリコン基板上のフォトニックニューラルネットワーク。
[C10]
前記MZIネットワークは、複数の基本ユニットを含み、前記基本ユニットは、カプラ、外部移相器及び内部移相器を含み、前記カプラは、前記外部移相器と前記内部移相器の間に位置することを特徴とするC2~9のいずれか一項に記載のチューナブルフィルタに基づくシリコン基板上のフォトニックニューラルネットワーク。
[C11]
前記DCネットワークは、複数の基本ユニットを含み、前記基本ユニットは、変調アーム及びチューナブルDCカプラを含むことを特徴とするC2~9のいずれか一項に記載のチューナブルフィルタに基づくシリコン基板上のフォトニックニューラルネットワーク。
[C12]
前記チューナブルフィルタの中心波長は、初期又は無変調状態の時に前記第2の光信号の波長と同じであることを特徴とするC1~11のいずれか一項に記載のチューナブルフィルタに基づくシリコン基板上のフォトニックニューラルネットワーク。
[C13]
前記チューナブルフィルタに印加された前記電気信号が変化すると、前記チューナブルフィルタの中心波長がシフトし、前記第2の光信号の波長における光波の透過強度が変化することで、前記チューナブルフィルタから出力された前記第3の光信号の光強度と前記線形ネットワークから出力された前記第1の光信号の光強度が非線形関係を呈するようになることを特徴とするC1~12のいずれか一項に記載のチューナブルフィルタに基づくシリコン基板上のフォトニックニューラルネットワーク。
[C14]
複数のC1~13のいずれか一項に記載のチューナブルフィルタに基づくシリコン基板上のフォトニックニューラルネットワークを含むフォトニック集積回路。
[C15]
複数の入力光信号に線形演算を行い、複数の第1の光信号を得るステップと、
前記複数の第1の光信号を複数の電気信号に変換するステップと、
複数の第2の光信号を得るステップと、
複数の電気信号を利用して複数の第2の光信号を変調し、複数の第3の光信号を得るステップと、を含み、
前記第3の光信号の光強度と対応する前記第1の光信号の光強度は、非線形関係を有することを特徴とする光信号の変調方法。
[C16]
前記入力光信号、前記第1の光信号、前記第2の光信号及び前記第3の光信号は、同じ波長を有するC15に記載の方法。
Although the embodiments of the present disclosure have been shown and described in the preamble, the above embodiments are illustrative and should not be understood as limiting the present disclosure, and those skilled in the art can Changes, modifications, substitutions and variations may be made to the embodiments described above.
The invention described in the original claims of the present invention will be added below.
[C1]
a plurality of input ends for receiving a plurality of input optical signals;
a plurality of output ends for outputting a plurality of first optical signals, the plurality of input optical signals and the plurality of first optical signals having a one-to-one correspondence relationship; a linear calculation network having a linear relationship between the optical intensity of each input optical signal and the optical intensity of the corresponding first optical signal;
a plurality of photoelectric detectors for receiving the plurality of first optical signals and converting the plurality of first optical signals into a plurality of electrical signals;
a plurality of light sources for outputting a plurality of second optical signals;
each connected to one photoelectric detector and one light source, and receiving the electrical signal outputted from the photoelectric detector and the second optical signal outputted from the light source, respectively, and based on the electrical signal; a plurality of tunable filters for modulating the second optical signal and outputting a third optical signal,
A photonic neural network on a silicon substrate based on a tunable filter, wherein the optical intensity of the third optical signal and the corresponding optical intensity of the first optical signal have a nonlinear relationship.
[C2]
The photonic neural network on a silicon substrate based on a tunable filter according to C1 , wherein the linear operation network includes a Mach-Zehnder interferometer (MZI) network or a direct coupler (DC) network.
[C3]
On a silicon substrate based on a tunable filter according to C1 or 2, wherein the input optical signal, the first optical signal, the second optical signal, and the third optical signal have the same wavelength. photonic neural network.
[C4]
A photonic neural network on a silicon substrate based on a tunable filter according to any one of C1 to C3, wherein the tunable filter includes a Bragg reflection grating filter.
[C5]
The Bragg reflection grating filter is
a heating layer for receiving the electrical signal;
a Bragg grating located below the heating layer, a first end used to receive the second optical signal and a second end used to output the third optical signal; A photonic neural network on a silicon substrate based on the tunable filter described in C4, comprising:
[C6]
A photonic neural network on a silicon substrate based on the tunable filter according to C5, characterized in that the tunable filter is realized by changing the effective refractive index of the Bragg grating by thermal modulation or electrical modulation. .
[C7]
A photonic neural network on a silicon substrate based on a tunable filter according to any one of C1 to C3, wherein the tunable filter includes an FP cavity filter.
[C8]
The FP cavity filter is
a heating layer for receiving the electrical signal;
an optical waveguide located under the heating layer;
a first distributed Bragg reflector connected to a first end of the optical waveguide for receiving the second optical signal;
a second distributed Bragg reflector connected to the second end of the optical waveguide and for outputting the third optical signal; a silicon substrate based on the tunable filter according to C7; Photonic neural network above.
[C9]
The second optical signal passing through the optical waveguide is changed into the third optical signal by inputting the optical signal into the heating layer and changing the effective refractive index of the optical waveguide. A photonic neural network on a silicon substrate based on the tunable filter described in C8.
[C10]
The MZI network includes a plurality of basic units, the basic units including a coupler, an external phase shifter and an internal phase shifter, the coupler being located between the external phase shifter and the internal phase shifter. A photonic neural network on a silicon substrate based on the tunable filter according to any one of C2 to C9.
[C11]
On a silicon substrate based on a tunable filter according to any one of C2 to C9, the DC network includes a plurality of basic units, and the basic units include a modulation arm and a tunable DC coupler. photonic neural network.
[C12]
The silicon based tunable filter according to any one of C1 to C11, wherein the center wavelength of the tunable filter is the same as the wavelength of the second optical signal in an initial or non-modulated state. Photonic neural network on board.
[C13]
When the electric signal applied to the tunable filter changes, the center wavelength of the tunable filter shifts, and the transmission intensity of the light wave at the wavelength of the second optical signal changes, so that the electric signal from the tunable filter shifts. Any one of C1 to C12, characterized in that the optical intensity of the output third optical signal and the optical intensity of the first optical signal output from the linear network exhibit a nonlinear relationship. A photonic neural network on a silicon substrate based on the tunable filter described in .
[C14]
A photonic integrated circuit comprising a photonic neural network on a silicon substrate based on the tunable filter according to any one of a plurality of C1-13.
[C15]
performing a linear operation on the plurality of input optical signals to obtain a plurality of first optical signals;
converting the plurality of first optical signals into a plurality of electrical signals;
obtaining a plurality of second optical signals;
modulating the plurality of second optical signals using the plurality of electrical signals to obtain a plurality of third optical signals,
A method for modulating an optical signal, wherein the optical intensity of the third optical signal and the corresponding optical intensity of the first optical signal have a nonlinear relationship.
[C16]
The method according to C15, wherein the input optical signal, the first optical signal, the second optical signal, and the third optical signal have the same wavelength.
Claims (10)
複数の第1の光信号を出力するための複数の出力端と、を含む線形演算ネットワークであって、前記複数の入力光信号と前記複数の第1の光信号は、1対1の対応関係を有し、各入力光信号の光強度と対応する第1の光信号の光強度は、線形関係を有する線形演算ネットワークと、
前記複数の第1の光信号を受信し、前記複数の第1の光信号を複数の電気信号に変換するための複数の光電検出器と、
複数の第2の光信号を出力するための複数の光源と、
それぞれ1つの光電検出器及び1つの光源に接続され、且つそれぞれ前記光電検出器から出力された前記電気信号及び前記光源から出力された前記第2の光信号を受信し、前記電気信号に基づいて前記第2の光信号を変調して第3の光信号を出力するための複数のチューナブルフィルタと、を備え、
前記第3の光信号の光強度と対応する前記第1の光信号の光強度は、非線形関係を有し、
前記チューナブルフィルタは、F-Pキャビティフィルタを含み、
熱的変調又は電気的変調によって前記F-Pキャビティフィルタの光導波路の有効屈折率を変更することで、前記光導波路を経由する前記第2の光信号を前記第3の光信号に変更する、ことを特徴とするチューナブルフィルタに基づくシリコン基板上のフォトニックニューラルネットワークチップであって、
前記F-Pキャビティフィルタは、
前記電気信号を受信するための加熱層と、
前記加熱層の下に位置する光導波路と、
前記光導波路の第1の端に接続され、前記第2の光信号を受信するための第1の分布ブラッグ反射鏡と、
前記光導波路の第2の端に接続され、前記第3の光信号を出力するための第2の分布ブラッグ反射鏡と、を含むことを特徴とするチューナブルフィルタに基づくシリコン基板上のフォトニックニューラルネットワークチップ。 a plurality of input ends for receiving a plurality of input optical signals;
a plurality of output ends for outputting a plurality of first optical signals, the plurality of input optical signals and the plurality of first optical signals having a one-to-one correspondence relationship; a linear calculation network having a linear relationship between the optical intensity of each input optical signal and the optical intensity of the corresponding first optical signal;
a plurality of photoelectric detectors for receiving the plurality of first optical signals and converting the plurality of first optical signals into a plurality of electrical signals;
a plurality of light sources for outputting a plurality of second optical signals;
each connected to one photoelectric detector and one light source, and receiving the electrical signal outputted from the photoelectric detector and the second optical signal outputted from the light source, respectively, and based on the electrical signal; a plurality of tunable filters for modulating the second optical signal and outputting a third optical signal,
The optical intensity of the third optical signal and the corresponding optical intensity of the first optical signal have a nonlinear relationship,
The tunable filter includes an F -P cavity filter,
By changing the effective refractive index of the optical waveguide of the FP cavity filter by thermal modulation or electrical modulation, the second optical signal passing through the optical waveguide is converted into the third optical signal. A photonic neural network chip on a silicon substrate based on a tunable filter , characterized in that :
The FP cavity filter is
a heating layer for receiving the electrical signal;
an optical waveguide located under the heating layer;
a first distributed Bragg reflector connected to a first end of the optical waveguide for receiving the second optical signal;
a second distributed Bragg reflector connected to the second end of the optical waveguide for outputting the third optical signal; a photonic on a silicon substrate based on a tunable filter; neural network chip .
前記複数の第1の光信号を複数の電気信号に変換するステップと、
複数の第2の光信号を得るステップと、
前記複数の電気信号を利用して複数の第2の光信号を変調し、複数の第3の光信号を得るステップと、を含み、
前記第3の光信号の光強度と対応する前記第1の光信号の光強度は、非線形関係を有し、
熱的変調又は電気的変調によってF-Pキャビティフィルタの光導波路の有効屈折率を変更することで、前記光導波路を経由する前記第2の光信号を前記第3の光信号に変更することを特徴とする光信号の変調方法であって、
前記F-Pキャビティフィルタは、
前記電気信号を受信するための加熱層と、
前記加熱層の下に位置する光導波路と、
前記光導波路の第1の端に接続され、前記第2の光信号を受信するための第1の分布ブラッグ反射鏡と、
前記光導波路の第2の端に接続され、前記第3の光信号を出力するための第2の分布ブラッグ反射鏡と、を含むことを特徴とする方法。 performing a linear operation on the plurality of input optical signals to obtain a plurality of first optical signals;
converting the plurality of first optical signals into a plurality of electrical signals;
obtaining a plurality of second optical signals;
modulating a plurality of second optical signals using the plurality of electrical signals to obtain a plurality of third optical signals,
The optical intensity of the third optical signal and the corresponding optical intensity of the first optical signal have a nonlinear relationship,
The second optical signal passing through the optical waveguide is changed into the third optical signal by changing the effective refractive index of the optical waveguide of the F -P cavity filter by thermal modulation or electrical modulation. A method for modulating an optical signal, the method comprising:
The FP cavity filter is
a heating layer for receiving the electrical signal;
an optical waveguide located under the heating layer;
a first distributed Bragg reflector connected to a first end of the optical waveguide for receiving the second optical signal;
a second distributed Bragg reflector connected to a second end of the optical waveguide for outputting the third optical signal .
10. The method of claim 9 , wherein the input optical signal, the first optical signal, the second optical signal, and the third optical signal have the same wavelength.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010620808.5A CN113890620B (en) | 2020-07-01 | 2020-07-01 | Silicon substrate photonic neural network based on tunable filter and modulation method thereof |
CN202010620808.5 | 2020-07-01 | ||
PCT/CN2020/134670 WO2022001002A1 (en) | 2020-07-01 | 2020-12-08 | Photonic neural network on silicon substrate based on tunable filter, and modulation method therefor |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022542009A JP2022542009A (en) | 2022-09-29 |
JP7420356B2 true JP7420356B2 (en) | 2024-01-23 |
Family
ID=79012614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022501202A Active JP7420356B2 (en) | 2020-07-01 | 2020-12-08 | Photonic neural network on silicon substrate based on tunable filter and its modulation method |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP7420356B2 (en) |
CN (1) | CN113890620B (en) |
WO (1) | WO2022001002A1 (en) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114358270A (en) * | 2022-01-07 | 2022-04-15 | 南京鼎芯光电科技有限公司 | Photon neural network of multidimensional multiplexing technology and implementation method |
WO2023140788A2 (en) * | 2022-01-18 | 2023-07-27 | National University Of Singapore | Photonic neural network accelerator |
CN114358271B (en) * | 2022-03-18 | 2022-07-12 | 之江实验室 | Time-wavelength interweaving photon neural network convolution acceleration chip |
CN115508958B (en) * | 2022-10-08 | 2024-05-24 | 深圳中科天鹰科技有限公司 | Photonic chip based on optical neural network |
CN117891023B (en) * | 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 | Photonic chip, heterogeneous computing system, precision adjusting method and product |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009527020A (en) | 2006-02-14 | 2009-07-23 | コービーテック,リミティド ライアビリティ カンパニー | All-optical logic gate using nonlinear elements |
US20190019100A1 (en) | 2017-07-11 | 2019-01-17 | Charles ROQUES-CARMES | Optical Ising Machines and Optical Convolutional Neural Networks |
JP2019523932A (en) | 2016-06-02 | 2019-08-29 | マサチューセッツ インスティテュート オブ テクノロジー | Apparatus and method for optical neural networks |
CN110197277A (en) | 2019-05-13 | 2019-09-03 | 浙江大学 | Realize the optical neural network method of number identification |
JP2019185501A (en) | 2018-04-13 | 2019-10-24 | 日本電信電話株式会社 | Optical computing element and multilayer neural network |
WO2019217836A1 (en) | 2018-05-10 | 2019-11-14 | The Board Of Trustees Of The Leland Stanford Junior University | Systems and methods for activation functions for photonic neural networks |
WO2019236591A1 (en) | 2018-06-05 | 2019-12-12 | Lightelligence, Inc. | Optoelectronic computing systems |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1037415A1 (en) * | 1999-03-16 | 2000-09-20 | PIRELLI CAVI E SISTEMI S.p.A. | Tunable optical filter |
US8078014B1 (en) * | 2008-09-22 | 2011-12-13 | Hrl Laboratories, Llc | High-speed electro-optical modulator |
US9335568B1 (en) * | 2011-06-02 | 2016-05-10 | Hrl Laboratories, Llc | Electro-optic grating modulator |
CN109379138B (en) * | 2018-08-24 | 2021-07-13 | 中国电子科技集团公司第二十九研究所 | High-linearity microwave photonic link implementation method and structure based on photonic neural network |
US11604978B2 (en) * | 2018-11-12 | 2023-03-14 | Massachusetts Institute Of Technology | Large-scale artificial neural-network accelerators based on coherent detection and optical data fan-out |
CN110505021B (en) * | 2019-08-26 | 2021-04-09 | 光子算数(北京)科技有限责任公司 | Optical communication device, optical communication system and optical signal processing method |
CN110956259B (en) * | 2019-11-22 | 2023-05-12 | 联合微电子中心有限责任公司 | Photon neural network training method based on forward propagation |
-
2020
- 2020-07-01 CN CN202010620808.5A patent/CN113890620B/en active Active
- 2020-12-08 JP JP2022501202A patent/JP7420356B2/en active Active
- 2020-12-08 WO PCT/CN2020/134670 patent/WO2022001002A1/en active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009527020A (en) | 2006-02-14 | 2009-07-23 | コービーテック,リミティド ライアビリティ カンパニー | All-optical logic gate using nonlinear elements |
JP2019523932A (en) | 2016-06-02 | 2019-08-29 | マサチューセッツ インスティテュート オブ テクノロジー | Apparatus and method for optical neural networks |
US20190019100A1 (en) | 2017-07-11 | 2019-01-17 | Charles ROQUES-CARMES | Optical Ising Machines and Optical Convolutional Neural Networks |
JP2019185501A (en) | 2018-04-13 | 2019-10-24 | 日本電信電話株式会社 | Optical computing element and multilayer neural network |
WO2019217836A1 (en) | 2018-05-10 | 2019-11-14 | The Board Of Trustees Of The Leland Stanford Junior University | Systems and methods for activation functions for photonic neural networks |
WO2019236591A1 (en) | 2018-06-05 | 2019-12-12 | Lightelligence, Inc. | Optoelectronic computing systems |
CN110197277A (en) | 2019-05-13 | 2019-09-03 | 浙江大学 | Realize the optical neural network method of number identification |
Non-Patent Citations (1)
Title |
---|
Kumaresan, Ramdas、Peddinti, Vijay Kumar、Cariani, Peter,"Synchrony capture filterbank (SCFB): An auditory periphery inspired method for tracking sinusoids",2012 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP),2012年,p.153-156,DOI: 10.1109/ICASSP.2012.6287840 |
Also Published As
Publication number | Publication date |
---|---|
JP2022542009A (en) | 2022-09-29 |
WO2022001002A1 (en) | 2022-01-06 |
CN113890620B (en) | 2023-03-14 |
CN113890620A (en) | 2022-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7420356B2 (en) | Photonic neural network on silicon substrate based on tunable filter and its modulation method | |
Ji et al. | Five-port optical router for photonic networks-on-chip | |
Khosravi et al. | Design and analysis of integrated all-optical 2× 4 decoder based on 2D photonic crystals | |
Urino et al. | First demonstration of high density optical interconnects integrated with lasers, optical modulators, and photodetectors on single silicon substrate | |
Ji et al. | Microring-resonator-based four-port optical router for photonic networks-on-chip | |
Luo et al. | High bandwidth on-chip silicon photonic interleaver | |
Jia et al. | WDM-compatible multimode optical switching system-on-chip | |
Lai et al. | Compact silicon photonic interleaver based on a self-coupled optical waveguide | |
Zhou et al. | Reconfigurable and tunable compact comb filter and (de) interleaver on silicon platform | |
CN104977733B (en) | Silicon-based nonreciprocal device structure and electric control nonreciprocal implementation method | |
CN105531946A (en) | Method and apparatus for sending and receiving optical differential signal, and system | |
Sun et al. | On-chip switch for reconfigurable mode-multiplexing optical network | |
Huang et al. | Flat-top optical resonance in a single-ring resonator based on manipulation of fast-and slow-light effects | |
Rizzo et al. | Ultra-broadband interleaver for extreme wavelength scaling in silicon photonic links | |
CN112147740A (en) | Multi-working-frequency-band programmable microwave photonic filter based on integrated silicon waveguide | |
Luan et al. | Towards a high-density photonic tensor core enabled by intensity-modulated microrings and photonic wire bonding | |
Gostimirovic et al. | Compact silicon-photonic mode-division (de) multiplexer using waveguide-wrapped microdisk resonators | |
Sun et al. | MO detector (MOD): a dual-function optical modulator-detector for on-chip communication | |
Saharia et al. | Elementary reflected code converter using a silicon nitride-based microring resonator | |
Liu et al. | Integrated photonic devices enabled by silicon traveling wave-like Fabry–Perot resonators | |
CN117031630A (en) | Unitary optical path mode converter and conversion method | |
Dingel | Multifunctional optical filter using direct-coupled and cross-coupled all-pass filters | |
CN109240019B (en) | Binary all-optical comparator | |
CN110779440A (en) | Polarization insensitive photosensitive switch based on Mach Zehnder interferometer structure | |
CN106772819B (en) | 2 × 2 interference-type all-optical switch of chalcogenide glass photonic crystal fiber and control method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220107 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220107 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230113 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230124 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230407 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20230407 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230420 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230627 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230801 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231013 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231205 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231227 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7420356 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |