光学神经网络芯片及其计算方法

    公开(公告)号:CN112232487B

    公开(公告)日:2023-09-22

    申请号:CN202011121100.1

    申请日:2020-10-19

    IPC分类号: G06N3/067 G06N3/048

    摘要: 本公开提供了一种光学神经网络芯片及其计算方法,包括:光子权重模块,用于实现多个权重的编码,并基于多个权重的编码,调节输入信号中包括的多个不同波长的光信号的幅值,实现各波长的光信号表示的输入数据分别与多个权重的光学乘加计算;光子偏置模块,用于实现多个偏置的编码;光电探测器阵列,用于探测多个光学乘加计算与多个偏置一一对应的求和计算的结果。该芯片及计算方法利用光子实现神经网络计算,可以大幅度提高计算速度并降低计算能耗,通过波分复用对不同的数据进行表示,提高了芯片的计算性能。

    光学神经网络芯片及其计算方法

    公开(公告)号:CN112101540B

    公开(公告)日:2023-09-22

    申请号:CN202011121099.2

    申请日:2020-10-19

    IPC分类号: G06N3/067 G06N3/048 G06N3/08

    摘要: 本公开提供了一种光学神经网络芯片及其计算方法,包括:光子权重模块,用于实现多个权重的编码,并基于多个权重的编码,调节输入信号中包括的多个不同波长的光信号的幅值,实现各波长的光信号表示的输入数据分别与多个权重的光学乘加计算;光子偏置模块,用于实现多个偏置的编码;光电探测器阵列,用于探测多个光学乘加计算与多个偏置一一对应的求和计算的结果。该芯片及计算方法利用光子实现神经网络计算,通过波分复用对不同的数据进行表示,提高了计算并行度,通过两次编码实现光学神经网络芯片的正负值计算,提高了光学神经网络芯片的计算性能。

    光学神经网络芯片及其计算方法
    3.
    发明公开

    公开(公告)号:CN112101540A

    公开(公告)日:2020-12-18

    申请号:CN202011121099.2

    申请日:2020-10-19

    IPC分类号: G06N3/067 G06N3/04 G06N3/08

    摘要: 本公开提供了一种光学神经网络芯片及其计算方法,包括:光子权重模块,用于实现多个权重的编码,并基于多个权重的编码,调节输入信号中包括的多个不同波长的光信号的幅值,实现各波长的光信号表示的输入数据分别与多个权重的光学乘加计算;光子偏置模块,用于实现多个偏置的编码;光电探测器阵列,用于探测多个光学乘加计算与多个偏置一一对应的求和计算的结果。该芯片及计算方法利用光子实现神经网络计算,通过波分复用对不同的数据进行表示,提高了计算并行度,通过两次编码实现光学神经网络芯片的正负值计算,提高了光学神经网络芯片的计算性能。

    单模掩埋半导体激光器及其制备方法

    公开(公告)号:CN117134196A

    公开(公告)日:2023-11-28

    申请号:CN202311140731.1

    申请日:2023-09-05

    IPC分类号: H01S5/343 H01S5/10

    摘要: 本公开提供了一种单模掩埋半导体激光器及其制备方法,可以用于光电子器件领域。该单模掩埋半导体激光器包括:N型电极,设置于单模掩埋半导体激光器的底板上;外延结构层,设置于N型电极上;宽台面结构层,设置于所外延结构层上;以及P型电极,设置于宽台面结构层上;其中,沿激光器结构层生长方向,宽台面结构层包括下波导层、多量子阱层和上波导层,台面两侧由掩埋层包覆;其中,下波导层厚度大于上波导层厚度,以便下拉和扩大近场光斑;其中,外延结构层包括稀释波导层,稀释波导层用于对激发光进行选模,以便单模掩埋半导体激光器生成只包括基模的激光。

    光学神经网络卷积层芯片、卷积计算方法和电子设备

    公开(公告)号:CN111753977A

    公开(公告)日:2020-10-09

    申请号:CN202010616219.X

    申请日:2020-06-30

    IPC分类号: G06N3/067 G06F17/15

    摘要: 一种光学神经网络卷积层芯片,应用于人工智能领域,包括依次连接的第一耦合器、第一分束器、多个光子计算模块和卷积求和模块;该第一耦合器,用于将接收到的光信号耦合至第一分束器中;该第一分束器包括多个输出端口,该分束器用于将耦合后的光信号进行分束,得到多束光信号,多束该光信号一一通过各该输出端口输入至各该光子计算模块;该光子计算模块,用于对每束该光信号进行幅度调制和相位调制,以通过每束调制的光信号表示一个输入数据和一个卷积核参数,并将所有调制后的光信号转化为电信号;该卷积求和模块,用于对所有该电信号进行卷积求和,完成所有输入数据和卷积核参数的光子卷积运算。光子具有高速度、高带宽、低功耗的特点,利用光子实现卷积计算,可以大幅度提高计算速度并降低计算能耗。

    光学神经网络卷积层芯片、卷积计算方法和电子设备

    公开(公告)号:CN111753977B

    公开(公告)日:2024-01-02

    申请号:CN202010616219.X

    申请日:2020-06-30

    IPC分类号: G06N3/067 G06F17/15

    摘要: 一种光学神经网络卷积层芯片,应用于人工智能领域,包括依次连接的第一耦合器、第一分束器、多个光子计算模块和卷积求和模块;该第一耦合器,用于将接收到的光信号耦合至第一分束器中;该第一分束器包括多个输出端口,该分束器用于将耦合后的光信号进行分束,得到多束光信号,多束该光信号一一通过各该输出端口输入至各该光子计算模块;该光子计算模块,用于对每束该光信号进行幅度调制和相位调制,以通过每束调制的光信号表示一个输入数据和一个卷积核参数,并将所有调制后的光信号转化为电信号;该卷积求和模块,用于对所有该电信号进行卷积求和,完成所有输入数据和卷积核参数的光子卷积运算。光子具有高速度、高带宽、低功耗的特点,利用光子实现卷积计算,可以大幅度提高计算速度并降低计算能耗。

    光学神经网络芯片及其计算方法
    7.
    发明公开

    公开(公告)号:CN112232487A

    公开(公告)日:2021-01-15

    申请号:CN202011121100.1

    申请日:2020-10-19

    IPC分类号: G06N3/04 G06N3/067

    摘要: 本公开提供了一种光学神经网络芯片及其计算方法,包括:光子权重模块,用于实现多个权重的编码,并基于多个权重的编码,调节输入信号中包括的多个不同波长的光信号的幅值,实现各波长的光信号表示的输入数据分别与多个权重的光学乘加计算;光子偏置模块,用于实现多个偏置的编码;光电探测器阵列,用于探测多个光学乘加计算与多个偏置一一对应的求和计算的结果。该芯片及计算方法利用光子实现神经网络计算,可以大幅度提高计算速度并降低计算能耗,通过波分复用对不同的数据进行表示,提高了芯片的计算性能。

    神经网络计算方法及光子神经网络芯片架构

    公开(公告)号:CN114742219A

    公开(公告)日:2022-07-12

    申请号:CN202210369462.5

    申请日:2022-04-08

    IPC分类号: G06N3/067 G06N3/04 G06N3/08

    摘要: 本公开提供了一种神经网络计算方法及光子神经网络芯片架构,可以应用于人工智能技术领域、计算机芯片技术领域。通过电子逻辑芯片,接收与神经网络中的每一个计算层对应的计算任务,将计算任务划分为P个子计算任务,其中,P为正整数;通过电子逻辑芯片向Q个光子神经网络核心发送P个子计算任务,其中,Q为正整数,光子神经网络核心通过至少一种精度进行计算;通过Q个光子神经网络核心对每个子计算任务计算得到对应的子计算结果;基于每个子计算结果,通过电子逻辑芯片确定计算层的计算结果;根据神经网络中每一个计算层的计算结果,确定神经网络的输出结果。