[發明專利]數據處理方法及裝置、光子神經網絡芯片、數據處理電路

在審

• 申請號: 202010216036.9
• 申請日: 2020-03-25
• 公開（公告）號: CN111091190A
• 公開（公告）日: 2020-05-01
• 發明（設計）人: 李智;白冰;趙斌;吳建兵
• 申請（專利權）人: 光子算數（北京）科技有限責任公司
• 主分類號: G06N3/063
• 分類號: G06N3/063
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 鐘揚飛

本申請提供一種數據處理方法及裝置、光子神經網絡芯片、數據處理電路。數據處理方法可以應用于光子神經網絡芯片，該方法包括：獲取被乘數與乘數之積的最高位計算結果；根據數據處理模型的精度要求，判斷最高位計算結果是否滿足精度要求；若最高位計算結果不滿足精度要求，進行最高位計算結果與后續高位計算結果的累加，直到累加結果滿足精度要求或完成所有計算結果的累加。本申請實施例提供的技術方案可以進一步提高光子神經網絡芯片的計算效率。

技術領域

本申請涉及光子神經網絡芯片技術領域，特別涉及一種數據處理方法及裝置、光子神經網絡芯片、數據處理電路。

背景技術

近年來摩爾定律的失效也預示著人類對于電子計算芯片的能力開發陷入了瓶頸期，無論是傳統的中央處理器(以下簡稱為CPU)還是后續廣為開發的圖形處理器(以下簡稱為GPU)都將受到摩爾定律失效影響，電子芯片發展放緩將無法為更大規模更強大的深度學習提供有效的算力支撐。

于是在此背景下，基于光子超高速信號處理的光子神經網絡芯片被學者所提出。利用光子學超高帶寬優勢，能夠對現有的信號處理速度進行數個數量級的提升。在2017年，麻省理工學院的研究人員提出了一種典型的光子神經網絡芯片，此芯片利用光學矩陣(一種利用光路實現的矩陣變換方法，可利用該方法將任意矩陣乘法在光路中實現)變換實現了全光任意矩陣相乘計算，為全連接神經網絡的計算加速提供了一種光子學的解決思路。

但是，由于光學相位分辨率不夠高、探測器噪聲等原因，光子神經網絡芯片的計算正確率不夠高，誤差較大，沒有充分發揮光子神經網絡芯片高效計算的優勢。

發明內容

本申請實施例的目的在于提供一種數據處理方法，用以提高光子神經網絡芯片的計算效率。

本申請實施例提供了一種數據處理方法，所述方法應用于光子神經網絡芯片，所述方法包括：

獲取被乘數與乘數之積的最高位計算結果；

根據數據處理模型的精度要求，判斷所述最高位計算結果是否滿足所述精度要求；

若所述最高位計算結果不滿足所述精度要求，進行所述最高位計算結果與后續高位計算結果的累加，直到累加結果滿足所述精度要求或完成所有計算結果的累加。

在一實施例中，所述獲取被乘數與乘數之積的最高位計算結果之前，所述方法還包括：

根據所述乘數的最高位的位權冪數，將所述被乘數左移與所述位權冪數相同的位數，得到所述最高位計算結果。

在一實施例中，所述進行所述最高位計算結果與后續高位計算結果的累加，直到累加結果滿足所述精度要求完成所有計算結果的累加，包括：

進行最高位計算結果與第二高位計算結果的累加，得到第一累加結果；

如果所述第一累加結果不滿足精度要求，在所述第一累加結果的基礎上，進行第三高位計算結果的累加，得到第二累加結果；

如果所述第二累加結果不滿足精度要求，繼續進行下一高位計算結果的累加，直到最終累加結果滿足所述精度要求完成所有計算結果的累加。

在一實施例中，所述進行最高位計算結果與第二高位計算結果的累加之前，所述方法還包括：

判斷所述乘數除最高位外第二高位的位數數據是否為0；

若為1，根據所述乘數的第二高位的位權冪數，將所述被乘數左移與所述第二高位的位數冪數相同的位數，得到所述第二高位計算結果。

在一實施例中，所述方法還包括：

若所述乘數除最高位外第二高位的位數數據為0，得到所述第二高位計算結果為0。

在一實施例中，所述進行第三高位計算結果的累加之前，所述方法還包括：