[發明專利]基于鈮酸鋰的片上級聯MZI可重構量子網絡

在審

• 申請號: 202010771043.5
• 申請日: 2020-08-04
• 公開（公告）號: CN111898741A
• 公開（公告）日: 2020-11-06
• 發明（設計）人: 金賢敏;王楚涵;徐劍;李軒坤
• 申請（專利權）人: 上海交通大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G02F1/365;G02F1/225;G02F1/21;G02B6/132;G02B6/136
• 代理公司: 上海交達專利事務所 31201
• 代理人: 王毓理;王錫麟

一種基于鈮酸鋰的片上級聯MZI可重構量子網絡架構，包括：作為神經網絡輸入層的輸入波導陣列、與輸入波導陣列光連接且作為神經網絡隱藏層的若干MZI、可飽和吸收器陣列、非線性光學單元以及作為神經網絡輸出層的探測器陣列，MZI之間相互連接并根據第一陣列光信號線性轉換為第二陣列光信號，可飽和吸收器陣列可飽和吸收器陣列中的每個可飽和吸收器接收第二陣列光信號中的相應光信號并將其非線性地轉換為第三陣列光信號并由探測器陣列探測得到；本發明解決現有基于光子集成電路的片上相干光學神經形態計算技術問題，以通用、可重構的量子光學神經網絡克服微電子和混合光學電子實現中計算效率和功耗的局限性。

技術領域

本發明涉及的是一種量子計算領域的技術，具體是一種基于鈮酸鋰的片上級聯馬赫—曾德爾調制器(MZI)可重構量子網絡。

背景技術

光學神經網絡(Optical Neural Networks,ONNW)是基于光子集成電路來實現神經擬態計算，通常包括一個輸入層、至少一個隱藏層和一個輸出層。在每一層中，信息通過線性組合(例如矩陣乘法)和應用于線性組合結果的非線性激活函數通過神經網絡傳播。在訓練人工神經網絡模型時，可以將數據輸入到輸入層，并通過前向傳播步驟計算輸出。然后通過反向傳播過程對參數進行優化。

在光學神經網絡中，可以以光速執行線性變換(和某些非線性變換)，并在光子網絡中以超過100GHz的速率以較低的能耗進行檢測。但是，由于缺乏相位穩定性以及難以在網絡中集成大量神經元(例如，數百萬個神經元的數量級)，因此使用大量光學組件(例如，光纖和透鏡)實施此類轉換可能具有挑戰性。

發明內容

本發明針對現有技術存在的上述不足，提出一種基于鈮酸鋰的片上級聯MZI可重構量子網絡架構，解決現有基于光子集成電路的片上相干光學神經形態計算技術問題，以通用、可重構的量子光學神經網絡(Quantum Optical neural networks,QONN)克服微電子和混合光學電子實現中計算效率和功耗的局限性。

本發明是通過以下技術方案實現的：

本發明涉及一種基于鈮酸鋰的片上級聯MZI可重構量子網絡架構，包括：作為神經網絡輸入層的輸入波導陣列、與輸入波導陣列光連接且作為神經網絡隱藏層的若干MZI、可飽和吸收器陣列、非線性光學單元以及作為神經網絡輸出層的探測器陣列，其中：MZI之間相互連接并根據第一陣列光信號線性轉換為第二陣列光信號，可飽和吸收器陣列可飽和吸收器陣列中的每個可飽和吸收器接收第二陣列光信號中的相應光信號并將其非線性地轉換為第三陣列光信號并由探測器陣列探測得到。

所述的第一陣列光信號來自波導的輸入光場，具體為：Z⁽ⁱ⁾＝|E|²，其中：E是波導中的電場強度。

所述的第二陣列光信號經過光學干涉，具體為：Z⁽¹⁾＝W₀x，其中：W₀是代表光學干涉的矩陣。

由第二陣列光信號非線性轉換得到的第三陣列光信號具體為：Y＝W₀h⁽ⁱ⁾，其中：h⁽ⁱ⁾是通過非線性光學單元實現的激活函數，h⁽ⁱ⁾＝f(Z⁽ⁱ⁾)。

所述的馬赫—曾德爾干涉儀包括：用于改變MZI的分束比的第一移相器、用于改變MZI的一個輸出的相位的第二移相器。

所述的非線性光學單元通過可飽和吸收器陣列實現。

本發明涉及一種基于鈮酸鋰薄膜的片上馬赫—曾德爾干涉儀的制備方法，包括下列步驟：

步驟1、等離子體增強化學沉積二氧化硅：

①由上往下依次為鈮酸鋰薄膜、二氧化硅襯底以構成薄膜樣品；