[發明專利]光學非線性激活單元、方法和光子神經網絡

有效

• 申請號: 202110834109.5
• 申請日: 2021-07-19
• 公開（公告）號: CN113595649B
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 李強;田野;劉勝平;王瑋;趙洋
• 申請（專利權）人: 聯合微電子中心有限責任公司
• 主分類號: H04B10/516
• 分類號: H04B10/516;H04B10/532;H04B10/564;G06N3/04
• 代理公司: 北京市漢坤律師事務所 11602
• 代理人: 初媛媛;吳麗麗

光學非線性激活單元，包括：第一偏振態控制器，調整具有輸入光功率的輸入光信號的偏振態；半導體光放大器，引起來自第一偏振態控制器的輸入光信號的自偏振旋轉；第二偏振態控制器，調整來自半導體光放大器的輸入光信號的偏振態；以及偏振分束器，將來自第二偏振態控制器的輸入光信號分束為經由水平偏振態輸出端口輸出的第一光信號和經由垂直偏振態輸出端口輸出的第二光信號，第一偏振態控制器和第二偏振態控制器被配置為使得：對于具有第一值的輸入光功率，第二偏振態控制器的輸出光學信號被設置為目標偏振態，并且對于具有第二值的輸入光功率，第一光信號具有第一非線性函數的輸出光功率，并且第二光學信號具有第二非線性函數的輸出光功率。

技術領域

本公開涉及光學神經網絡領域，特別是涉及一種光學非線性激活單元、光學非線性激活函數的實現方法、光子神經網絡。

背景技術

在現在人工智能最熱門的深度學習中，其運算過程主要涉及兩個部分：矩陣乘法和非線性激活函數。非線性是神經網絡具備強大表達能力的根源，可以加快網絡的收斂速度、提升識別的準確率，使得神經網絡可以解決復雜的非線性問題，是神經網絡中不可或缺的組成部分。常用的非線性激活函數包括sigmoid、tanh、softplus、ReLU等。

用光來完成深度學習算法，其本質在于用光來實現矩陣乘法和非線性激活函數。光學非線性激活單元對來自光學矩陣乘法單元的信號光進行非線性變換運算，本質上是在模擬神經元的功能。在相關技術中，非線性激活函數運算一般在電域中進行。如何在光域中實現非線性激活函數仍然具有廣闊的研究前景。

發明內容

提供一種緩解、減輕或者甚至消除上述問題中的一個或多個的機制將是有利的。

根據本公開的一方面，提供了一種光學非線性激活單元，包括：第一偏振態控制器，被配置為調整輸入光學信號的偏振態，輸入光學信號具有輸入光功率；半導體光放大器，與第一偏振態控制器光學耦接，被配置為引起來自第一偏振態控制器的輸入光學信號的自偏振旋轉；第二偏振態控制器，與半導體光放大器光學耦接，被配置為調整來自半導體光放大器的輸入光學信號的偏振態；以及偏振分束器，與第二偏振態控制器光學耦接，被配置為將來自第二偏振態控制器的輸入光學信號分束為經由偏振分束器的水平偏振態輸出端口輸出的第一光學信號和經由偏振分束器的垂直偏振態輸出端口輸出的第二光學信號，其中，第一偏振態控制器和第二偏振態控制器被配置為使得：對于具有第一值的輸入光功率，第二偏振態控制器的輸出光學信號被設置為目標偏振態，并且對于具有不同于第一值的第二值的輸入光功率，第一光學信號具有作為輸入光功率的第一非線性函數的輸出光功率，并且第二光學信號具有作為輸入光功率的第二非線性函數的輸出光功率。

根據本公開的另一方面，提供了一種光子神經網絡，包括如上所述的光學非線性激活單元。

根據本公開的另一方面，提供了一種實現光學非線性激活函數的方法，包括：由第一偏振態控制器調整輸入光學信號的偏振態，輸入光學信號具有輸入光功率；由半導體光放大器引起來自第一偏振態控制器的輸入光學信號的自偏振旋轉；由第二偏振態控制器調整來自半導體光放大器的輸入光學信號的偏振態；由偏振分束器將來自第二偏振態控制器的輸入光學信號分束為經由偏振分束器的水平偏振態輸出端口輸出的第一光學信號和經由偏振分束器的垂直偏振態輸出端口輸出的第二光學信號；以及調整第一偏振態控制器和第二偏振態控制器，以使得：對于具有第一值的輸入光功率，第二偏振態控制器的輸出光學信號被設置為目標偏振態，并且對于具有不同于第一值的第二值的輸入光功率，第一光學信號具有作為輸入光功率的第一非線性函數的輸出光功率，并且第二光學信號具有作為輸入光功率的第二非線性函數的輸出光功率。

根據在下文中所描述的實施例，本公開的這些和其它方面將是清楚明白的，并且將參考在下文中所描述的實施例而被闡明。

附圖說明

在下面結合附圖對于示例性實施例的描述中，本公開的更多細節、特征和優點被公開，在附圖中：

圖1是根據本公開示例性實施例的光學非線性激活單元的結構的示意性框圖；