[發(fā)明專利]光學(xué)神經(jīng)網(wǎng)絡(luò)卷積層芯片、卷積計算方法和電子設(shè)備在審
| 申請?zhí)枺?/td> | 202010616219.X | 申請日: | 2020-06-30 |
| 公開(公告)號: | CN111753977A | 公開(公告)日: | 2020-10-09 |
| 發(fā)明(設(shè)計)人: | 王瑞廷;王鵬飛;羅光振;張冶金;周旭亮;潘教青 | 申請(專利權(quán))人: | 中國科學(xué)院半導(dǎo)體研究所 |
| 主分類號: | G06N3/067 | 分類號: | G06N3/067;G06F17/15 |
| 代理公司: | 中科專利商標(biāo)代理有限責(zé)任公司 11021 | 代理人: | 周天宇 |
| 地址: | 100083 *** | 國省代碼: | 北京;11 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 光學(xué) 神經(jīng)網(wǎng)絡(luò) 卷積 芯片 計算方法 電子設(shè)備 | ||
一種光學(xué)神經(jīng)網(wǎng)絡(luò)卷積層芯片,應(yīng)用于人工智能領(lǐng)域,包括依次連接的第一耦合器、第一分束器、多個光子計算模塊和卷積求和模塊;該第一耦合器,用于將接收到的光信號耦合至第一分束器中;該第一分束器包括多個輸出端口,該分束器用于將耦合后的光信號進(jìn)行分束,得到多束光信號,多束該光信號一一通過各該輸出端口輸入至各該光子計算模塊;該光子計算模塊,用于對每束該光信號進(jìn)行幅度調(diào)制和相位調(diào)制,以通過每束調(diào)制的光信號表示一個輸入數(shù)據(jù)和一個卷積核參數(shù),并將所有調(diào)制后的光信號轉(zhuǎn)化為電信號;該卷積求和模塊,用于對所有該電信號進(jìn)行卷積求和,完成所有輸入數(shù)據(jù)和卷積核參數(shù)的光子卷積運算。光子具有高速度、高帶寬、低功耗的特點,利用光子實現(xiàn)卷積計算,可以大幅度提高計算速度并降低計算能耗。
技術(shù)領(lǐng)域
本申請涉及人工智能領(lǐng)域,尤其涉及一種光學(xué)神經(jīng)網(wǎng)絡(luò)卷積層芯片、卷積計算方法和電子設(shè)備。
背景技術(shù)
神經(jīng)網(wǎng)絡(luò)是指一系列受生物學(xué)啟發(fā)而構(gòu)建的數(shù)學(xué)模型。近年來,神經(jīng)網(wǎng)絡(luò)技術(shù)已成為人工智能技術(shù)發(fā)展的重要推動力,被廣泛的應(yīng)用于圖像處理、語音識別、自然語言處理等領(lǐng)域。卷積運算是神經(jīng)網(wǎng)絡(luò)中一類重要的計算,尤其在卷積神經(jīng)網(wǎng)絡(luò)中大量存在。
芯片技術(shù)為神經(jīng)網(wǎng)絡(luò)提供強(qiáng)大的算力進(jìn)行智能化處理,支撐著神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展。隨著所需處理數(shù)據(jù)量的急劇增加與神經(jīng)網(wǎng)絡(luò)模型愈加復(fù)雜化,傳統(tǒng)電芯片技術(shù)的馮·諾依曼架構(gòu)瓶頸和CMOS工藝與器件瓶頸愈加凸顯,所帶來的芯片功耗問題與性能提升問題等制約著神經(jīng)網(wǎng)絡(luò)技術(shù)的應(yīng)用和普及。光學(xué)神經(jīng)網(wǎng)絡(luò)芯片提供了一種新的專用神經(jīng)網(wǎng)絡(luò)加速器芯片方案,與電子相比,光子具有高速度、高帶寬、低功耗的優(yōu)勢,所以光學(xué)神經(jīng)網(wǎng)絡(luò)芯片可比傳統(tǒng)電芯片速度快十倍以上,功耗約為十分之一以下,有著良好的應(yīng)用前景。通過設(shè)計光學(xué)神經(jīng)網(wǎng)絡(luò)卷積層芯片,可以實現(xiàn)高速、低功耗的卷積運算,推動神經(jīng)網(wǎng)絡(luò)技術(shù)的應(yīng)用與發(fā)展。
發(fā)明內(nèi)容
本申請的主要目的在于提供一種光學(xué)神經(jīng)網(wǎng)絡(luò)卷積層芯片、卷積計算方法和電子設(shè)備。
為實現(xiàn)上述目的,本申請實施例第一方面提供一種光學(xué)神經(jīng)網(wǎng)絡(luò)卷積層芯片,包括依次連接的第一耦合器、第一分束器、多個光子計算模塊和卷積求和模塊;
所述第一耦合器,用于將接收到的光信號耦合至第一分束器中;
所述第一分束器包括多個輸出端口,所述分束器用于將耦合后的光信號進(jìn)行分束,得到多束光信號,多束所述光信號一一通過各所述輸出端口輸入至各所述光子計算模塊;
所述光子計算模塊,用于對每束所述光信號進(jìn)行幅度調(diào)制和相位調(diào)制,以通過每束調(diào)制的光信號表示一個輸入數(shù)據(jù)和一個卷積核參數(shù),并將所有調(diào)制后的光信號轉(zhuǎn)化為電信號;
所述卷積求和模塊,用于對所有所述電信號進(jìn)行卷積求和,完成所有輸入數(shù)據(jù)和卷積核參數(shù)的光子卷積運算。
可選的,所述光子計算模塊包括依次連接的第二分束器、輸入數(shù)據(jù)調(diào)制模塊、卷積核參數(shù)調(diào)制模塊、第二耦合器和平衡光電探測器;
所述第二分束器,用于將輸入的光信號分為兩束光信號,所述第二分束器包括兩個輸出端口,一個輸出端口與所述輸入數(shù)據(jù)調(diào)制模塊相連,用于將一個所述光信號傳輸給所述輸入數(shù)據(jù)調(diào)制模塊,另一個輸出端口與所述卷積核參數(shù)調(diào)制模塊相連,用于將另一個所述光信號傳輸給所述卷積核參數(shù)調(diào)制模塊;
所述輸入數(shù)據(jù)調(diào)制模塊,用于根據(jù)一個輸入數(shù)據(jù),對所述兩束光信號中的一束進(jìn)行幅度調(diào)制和相位調(diào)制,通過調(diào)制的光信號表示所述一個輸入數(shù)據(jù);
所述卷積核參數(shù)調(diào)制模塊,用于根據(jù)一個卷積核參數(shù),對所述兩束光信號中的另一束所述光信號進(jìn)行幅度調(diào)制和相位調(diào)制,通過調(diào)制的光信號表示所述一個卷積核參數(shù);
所述第二耦合器,用于將經(jīng)過所述輸入數(shù)據(jù)調(diào)制模塊調(diào)制的光信號和經(jīng)過所述卷積核參數(shù)調(diào)制模塊調(diào)制的光信號進(jìn)行耦合,輸出兩束光信號;
所述平衡光電探測器,用于對所述兩束光信號進(jìn)行平衡探測,得到所述電信號。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于中國科學(xué)院半導(dǎo)體研究所,未經(jīng)中國科學(xué)院半導(dǎo)體研究所許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010616219.X/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 硬件神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法、計算裝置、軟硬件協(xié)作系統(tǒng)
- 生成較大神經(jīng)網(wǎng)絡(luò)
- 神經(jīng)網(wǎng)絡(luò)的生成方法、生成裝置和電子設(shè)備
- 一種舌診方法、裝置、計算設(shè)備及計算機(jī)存儲介質(zhì)
- 學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
- 脈沖神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法及相關(guān)轉(zhuǎn)換芯片
- 圖像處理方法、裝置、可讀存儲介質(zhì)和計算機(jī)設(shè)備
- 一種適應(yīng)目標(biāo)數(shù)據(jù)集的網(wǎng)絡(luò)模型微調(diào)方法、系統(tǒng)、終端和存儲介質(zhì)
- 用于重構(gòu)人工神經(jīng)網(wǎng)絡(luò)的處理器及其操作方法、電氣設(shè)備
- 一種圖像神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化方法及裝置
- 卷積運算處理方法及相關(guān)產(chǎn)品
- 一種卷積神經(jīng)網(wǎng)絡(luò)的計算方法及系統(tǒng)
- 卷積運算方法及系統(tǒng)
- 卷積運算方法、裝置及系統(tǒng)
- 深度神經(jīng)網(wǎng)絡(luò)裁剪方法、裝置及電子設(shè)備
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法和圖像處理裝置
- 卷積神經(jīng)網(wǎng)絡(luò)及基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法
- 一種圖像處理方法、裝置以及計算機(jī)存儲介質(zhì)
- 用于卷積神經(jīng)網(wǎng)絡(luò)的卷積運算裝置
- 基于FPGA實現(xiàn)圖像識別的方法、裝置、設(shè)備及存儲介質(zhì)





