论文部分内容阅读
在信息量爆炸的时代,处理大量数据的能力变得至关重要。微电子技术的发展与成熟有助于应用新兴的人工智能服务和高性能计算的下一代产业的出现。这些数据密集型企业严重依赖于用于计算的硬件的进步,随着在日常生活中人民对智能设备和数据的依赖,企业对数据的需求将不断增长。本文基于这一特点,针对传统神经网络芯片计算速度慢,发热多等特点,设计出来一种基于光学波导的光学常微分方程神经网络芯片,并针对本芯片的每一部分的结构,原理做出详细的说明。首先,针对光学神经网络的最重要全连接运算层,本文应用了基于马赫-曾德尔干涉器的全连接神经网络,分析了三角形网络和矩形网络。又针对比较弱的光学非线性,引入了光电混合调制组成的光学非线性元器件。最后将两者进行组合完成一个光学神经网络全连接层的设计。其次,针对应用光学求解常微分方程的问题,本文分析了两种光学运算元器件来运算光学积分以及微分的元器件。通过应用微环谐振器这一元器件,本文设计了光学求解常微分方程的结构,应用本结构可以较好的应用光学神经网络来计算一个常微分方程的解。最后,本文应用以上两部分所设计并应用的光学计算元器件,组合设计了一种光学常微分方程神经网络。此神经网络可以应用光学元器件进行一个电子神经网络的运算,相较于纯电子神经网络,光学神经网络可以应用光子进行训练,运算速度可以近似于光速,可以更快的进行计算。同时,为了更好的利用马赫-曾德尔干涉器的计算单元,本文同时设计了扩充型光学常微分方程神经网络,有效提高了马赫-曾德尔干涉器神经元的利用效率,更好的完成分类任务。在实验验证中,本文对以上设计的两种神经网络完成了实验设计,应用了各种方法,最终完成了实验仿真验证。通过实验分析,本文研究的光学神经网络结构相对于目前现有的神经网络结构在各方面有着一定的优越性。