[發明專利]光學神經網絡及基于其的數據處理方法、裝置、存儲介質

有效

• 申請號: 202110798164.3
• 申請日: 2021-07-15
• 公開（公告）號: CN113408720B
• 公開（公告）日: 2023-07-14
• 發明（設計）人: 黃萍;吳睿振;陳靜靜;王凜
• 申請（專利權）人: 蘇州浪潮智能科技有限公司
• 主分類號: G06N3/067
• 分類號: G06N3/067
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 溫可睿

本申請公開了一種基于光學神經網絡的數據處理方法、裝置、計算機可讀存儲介質及光學神經網絡。光學神經網絡的光學干涉單元包括第一干涉光路結構、移相器和第二干涉光路結構，兩個干涉光路結構均包括內部移相器和分光器，方法包括：若這兩個干涉光路結構的分光器分光比均滿足分光補償條件，獲取輸入光信號的初始光信息和最終輸出光信息、在移相器輸入/輸出端口的中間輸入光信息、中間輸出光信息。當初始光信息和中間輸入光信息之間，中間輸出光信息和最終輸出光信息之間均滿足光學神經網絡的預設分光條件時，計算這兩個干涉光路結構的內部移相器的參數，利用基于該參數的光學神經網絡進行數據處理，可有效提升光學神經網絡性能和數據處理精準度。

技術領域

本申請涉及計算機技術領域，特別是涉及一種基于光學神經網絡的數據處理方法、裝置、計算機可讀存儲介質及光學神經網絡。

背景技術

隨著科技的發展，現今社會已進入云+AI（Artificial?Intelligence，人工智能）+5G（5th?Generation?Mobile?Communication?Technology，第五代移動通信技術）的時代，為了實現云+AI+5G的運算需求，需要有支持大運算量的專用芯片。芯片是人類最偉大的發明之一，也是現代電子信息產業的基礎和核心。小到手機、電腦、數碼相機，大到?5G、物聯網、云計算，全部都是基于芯片技術的不斷突破。半導體光刻工藝水平的發展是以芯片為核心的電子計算機的基石，目前半導體光刻的制造工藝幾乎是摩爾定律的物理極限，隨著制造工藝越來越小，芯片內晶體管單元已經接近分子尺度，半導體制作工藝的“瓶頸效應”越來越明顯。隨著全球化以及科技的高速發展，需要處理的數據量急劇增加，相應的數據處理模型和算法也在不斷增加，帶來的結果就是對算力和功耗的要求不斷提高。而目前馮?諾依曼架構和哈佛架構的電子計算機存在傳輸瓶頸、功耗增加以及算力瓶頸等問題，已越來越難以滿足大數據時代對算力與功耗的需求，例如人工智能計算需求與傳統芯片算力增長曲線極度不匹配，因此提高運算速度同時降低運算功耗是目前面臨的緊要問題。利用光子計算方法替代傳統電子計算方法將是解決摩爾定律困境以及馮諾依曼架構的問題，即解決當前算力、功耗問題的極具潛力的途徑之一。光子具有光速傳播、抗電磁干擾、任意疊加等特性，相比于電計算，光計算具有很多優勢，例如：光信號以光速傳輸，使速度得到巨大提升；光具有天然的并行處理能力以及成熟的波分復用技術，運算速度極快，十分適合做并行運算，從而使數據處理能力和容量及帶寬大幅度提升；光計算功耗有望低至10-18J/bit，相同功耗下，光子器件比電子器件快數百倍，故具備深度學習能力、高算力和低功耗的集成光子芯片被廣泛應用，例如，在遠距離、高速運動目標的測距、測速和高分辨成像激光雷達中，在生物醫藥、納米器件等的內部結構實現高分辨無損檢測的新型計算顯微關聯成像裝備中。

近年來，隨著摩爾定律的逐步失效，以及大數據時代對計算系統功耗和速度要求的不斷提高，光計算技術高速和低功耗的特點越來越受到重視。此外，由于光計算技術的并行性運算特點，以及光學神經網絡等算法和硬件架構的發展，為圖像識別、語音識別、虛擬現實等人工智能技術對算力的需求提供了最有潛力的解決方案。光計算可以分為模擬光計算和數字光計算。模擬光計算最典型的一個例子就是傅立葉運算，在圖像處理等領域需要運用傅立葉變換相關的計算，如卷積計算。用傳統計算機來計算傅立葉變換是非常消耗計算量的，而光通過透鏡的過程，本身就是一次傅立葉變換的過程，這個過程幾乎完全不需要時間。數字光計算是利用光和光學器件組合形成經典的邏輯門，構建類似傳統數字電子計算原理的計算系統，通過復雜的邏輯門組合操作實現計算。

MZI（Mach–Zehnder?interferometer，馬赫增德爾干涉儀）的光子運算是現今光學神經網絡方面最常見的工業解決方案，ONN（optical?neural?network，光學神經網絡）的研究熱點之一是基于MZI實現光學線性運算，許多光學線性模塊如矩陣-向量相乘、卷積，都可以基于MZI的拓撲結構來實現，GridNet和FFTNet等經典拓撲結構中用到的分光器的分光比為50：50。但因為器件制造過程中會引入誤差，實際制造出來的MZI中分光器的分光比并非是精準的50：50，有極大可能是存在偏差的，這就會嚴重影響基于MZI的光學神經網絡的性能，進而影響數據處理精準度。