一种衍射神经网络以及三维衍射神经网络

    公开(公告)号:CN118917371A

    公开(公告)日:2024-11-08

    申请号:CN202411023504.5

    申请日:2024-07-29

    发明人: 郝成龙

    IPC分类号: G06N3/067 G06N3/045

    摘要: 本申请提供了一种衍射神经网络及三维衍射神经网络。本申请所提供的衍射神经网络包括:输入端口、衍射系统和输出端口;其中,输入端口用于接收输入光,并将输入光引导至所述衍射系统;衍射系统包括衍射层和聚焦光控系统;衍射层包括超表面,超表面用于对所述输入光进行调制;超表面包括至少两个基于相变材料的可重构微纳单元;聚焦光控系统用于通过控制激光对衍射层中的相变材料进行相变调控;输出端口用于接收来自经聚焦光控系统相变调控的衍射层的输出光,并将输出光发射至用于接收输出光的探测器阵列。本申请所提供的衍射神经网络的训练效率高,加快了处理光计算任务的速度。

    光学神经网络单元以及光学神经网络配置

    公开(公告)号:CN112041857B

    公开(公告)日:2024-10-29

    申请号:CN201980028320.9

    申请日:2019-03-26

    申请人: 巴伊兰大学

    摘要: 本发明描述了一种用于处理输入光的人工神经元单元及神经网络。所述人工神经元单元包括一模态混合单元,例如多模光纤,配置为接收输入光,并且将所选定的混合施加于所述输入光内的两种或更多种模式的光分量,并配置为提供出射光;以及一滤波单元,配置为将预选的滤波器施加于所述出射光上,以选择所述出射光的一种或多种模式,从而提供所述人工神经元单元的输出光。

    一种基于双功能微环谐振器的紧凑高效光子卷积神经网络加速器

    公开(公告)号:CN118821862A

    公开(公告)日:2024-10-22

    申请号:CN202410807969.3

    申请日:2024-06-21

    IPC分类号: G06N3/0464 G06N3/067

    摘要: 本发明提供一种基于双功能微环谐振器的紧凑高效光子卷积神经网络加速器,包括:多个瓦片,各个瓦片与光路由器进行通信;瓦片包括:光学矩阵向量乘法模块和非线性模块;光学矩阵向量乘法模块包括:输入信号模块、光学矩阵向量运算模块以及输出信号模块;输入信号模块包括:激光器阵列、波分复用器和分光器;激光器阵列产生n个不同波长的连续光信号;波分复用器将n个不同波长的连续光信号复用到同一波导得到复用光信号;分光器将复用光信号进行分光得到k路分光信号;光学矩阵向量运算模块通过嵌入的PN结对输入分光信号进行调制,通过添加的GST模拟权重,将k路调制光信号转换成电信号;非线性模块对k个电信号进行非线性运算得到计算结果。

    一种基于连续动作强化学习的激光相干合成控制算法

    公开(公告)号:CN118709738A

    公开(公告)日:2024-09-27

    申请号:CN202410843723.1

    申请日:2024-06-27

    IPC分类号: G06N3/067 G06N3/092

    摘要: 本发明涉及激光相干合成技术领域,公开了一种基于连续动作强化学习的激光相干合成控制算法。该方法解决了传统相位控制方法硬件要求高、基于深度学习的相位控制方法鲁棒性低及强化学习方法训练时间长的难题。其步骤包括:将多束激光相干合成后的衍射图样输入至强化学习系统,通过Policy网络根据执行动作和奖励进行参数更新。当Policy网络训练收敛后,将光电探测器获取的衍射图输入网络,网络输出校正动作,选择最优动作并转换为校正信号传送至相位控制器,控制器调整光束相位实现高相干合成输出。本方法高效、具高鲁棒性、实时性和适应复杂环境变化的能力。

    一种阵列化输入的模拟光子卷积神经网络图像识别系统

    公开(公告)号:CN118644698A

    公开(公告)日:2024-09-13

    申请号:CN202410600596.2

    申请日:2024-05-15

    摘要: 本发明公开了一种阵列化输入的模拟光子卷积神经网络图像识别系统,其中光输入模块用于获取单波长光谱图像光场;光处理模块用于对获取的单波长光谱图像光场进行处理;光计算模块用于对光场进行全神经网络计算;光探测模块用于对计算结果进行分类,从而输出图像识别结果;本方案针对单波长光谱图像光场,利用空间复用阵列通道复制输入,大大降低了全光计算的衍射距离,在无衍射距离的条件下仍有一定的准确率,在2mm衍射距离条件下即可实现高准确率,同时采用微透镜阵列将输入图像扇出以创建相同的副本,将空间光调制器的阵元分区域加载权重实现空间光调制器的空间复用,进一步提高了空间光调制器的使用效率,提高了网络的准确率。

    一种光电混合张量卷积计算系统及方法

    公开(公告)号:CN118643880A

    公开(公告)日:2024-09-13

    申请号:CN202410794791.3

    申请日:2024-06-19

    IPC分类号: G06N3/067 G06N3/0464

    摘要: 本申请公开一种光电混合张量卷积计算系统及方法。其中,该系统包括:第一调制装置用于将待处理张量数据调制到第一载波光信号上形成调制光信号;且将调制光信号分成设定数量的第一子调制光信号;第二调制装置用于将获得的第二载波光信号分成设定数量的子载波光信号;将每一个卷积核数据调制到对应的子载波光信号形成设定数量的第二子调制光信号;光学混频装置用于将每个第一子调制光信号和对应的第二子调制光信号进行混频处理,产生与每个卷积核数据对应的一组混频光信号;平衡探测装置用于对每组混频光信号进行光电转换,获得与每个卷积核数据对应的电信号;数据采集装置用于对每个电信号进行采集,获得每个卷积运算结果。

    对于工艺误差鲁棒的光学神经网络训练方法、装置及设备

    公开(公告)号:CN116523015B

    公开(公告)日:2024-09-10

    申请号:CN202310300927.6

    申请日:2023-03-24

    申请人: 清华大学

    IPC分类号: G06N3/067 G06N3/084

    摘要: 本申请涉及光学神经网络技术领域,特别涉及一种对于工艺误差鲁棒的光学神经网络训练方法、装置及设备,其中,方法包括:获取光学神经网络中神经元权重参数的加工误差分布得到权重误差模型;在对光学神经网络训练过程中,按照权重误差模型随机叠加噪声至神经元权重参数上,直到训练结束,得到训练完成的神经元权重参数;将训练完成的神经元权重参数映射为光学神经网络芯片的加工参数。由此,解决了相关技术中的光学神经网络芯片加工存在偏差,无法保证理论模型与芯片加工的完美映射,且通过对光的相位和幅度误差进行补偿,存在校准时间长,难度大等问题。