[發(fā)明專利]一種基于超構(gòu)表面的全光衍射神經(jīng)網(wǎng)絡(luò)系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202110852321.4
• 申請日: 2021-07-27
• 公開（公告）號(hào): CN113822424B
• 公開（公告）日: 2023-10-20
• 發(fā)明（設(shè)計(jì)）人: 胡躍強(qiáng);羅栩豪;張毅;李苓;段輝高
• 申請（專利權(quán)）人: 湖南大學(xué)
• 主分類號(hào): G06N3/067
• 分類號(hào): G06N3/067;G06N3/045;G06N3/084;G06V10/82;G06V10/764
• 代理公司: 北京睿博行遠(yuǎn)知識(shí)產(chǎn)權(quán)代理有限公司 11297
• 代理人: 董自亮

1.一種基于超構(gòu)表面的全光衍射神經(jīng)網(wǎng)絡(luò)系統(tǒng)，其特征在于：由入射物體光束、超構(gòu)表面與CMOS圖像處理器所組成；神經(jīng)網(wǎng)絡(luò)的層與層之間的傳輸通過光的衍射實(shí)現(xiàn)，即衍射層上的每一點(diǎn)均為一個(gè)次級(jí)球面波的子波源，下一層某一神經(jīng)元的輸入定義為上一層所有神經(jīng)元的輸出經(jīng)過衍射傳播在該神經(jīng)元的疊加結(jié)果，而每個(gè)神經(jīng)元的權(quán)重則定義為單元光學(xué)結(jié)構(gòu)的相位和振幅，自輸入層輸入訓(xùn)練數(shù)據(jù)進(jìn)而由光學(xué)衍射計(jì)算得到神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果，并通過誤差反向傳播不斷訓(xùn)練優(yōu)化每層神經(jīng)元的相位與振幅；將計(jì)算機(jī)訓(xùn)練的全光神經(jīng)網(wǎng)絡(luò)結(jié)果通過電子束光刻EBL和原子層沉積ALD技術(shù)進(jìn)行加工，超構(gòu)表面體積小與結(jié)構(gòu)緊湊的特點(diǎn)，用100μm的光學(xué)透明粘合劑與CMOS圖像處理器膠合集成，通過CMOS圖像處理器觀測不同入射物體光束在探測區(qū)域的光強(qiáng)，實(shí)現(xiàn)多功能分類識(shí)別。

2.根據(jù)權(quán)利要求1所述的一種基于超構(gòu)表面的全光衍射神經(jīng)網(wǎng)絡(luò)系統(tǒng)，其特征在于：在可見光范圍內(nèi)光學(xué)的TIO₂作為超構(gòu)表面的材料，同時(shí)設(shè)置神經(jīng)元周期為400nm，組成包含輸入層、輸出層與三層28×28像素的隱含層的全光神經(jīng)網(wǎng)絡(luò)，最后在輸出觀測平面劃分10個(gè)間隔排列區(qū)域以獲得最終識(shí)別。

3.根據(jù)權(quán)利要求1所述的一種基于超構(gòu)表面的全光衍射神經(jīng)網(wǎng)絡(luò)系統(tǒng)，其特征在于：入射光入射到超構(gòu)表面時(shí)，以衍射的形式在層與層之間傳播，即衍射層上的每一點(diǎn)均為一個(gè)次級(jí)球面波的子波源，下一層某一神經(jīng)元的輸入定義為上一層所有神經(jīng)元的輸出經(jīng)過衍射后在該神經(jīng)元的疊加結(jié)果，在忽略振幅影響的情況下，定義每個(gè)神經(jīng)元的權(quán)重為納米單元的相位值，構(gòu)造純相位型全光神經(jīng)網(wǎng)絡(luò)，超構(gòu)表面內(nèi)封裝的偏振態(tài)相位相互獨(dú)立。

4.根據(jù)權(quán)利要求1所述的一種基于超構(gòu)表面的全光衍射神經(jīng)網(wǎng)絡(luò)系統(tǒng)，其特征在于：采用特定的衍射傳播函數(shù)在計(jì)算機(jī)中訓(xùn)練神經(jīng)元的相位值，即通過光學(xué)衍射正向計(jì)算網(wǎng)絡(luò)的輸出，并結(jié)合誤差反向傳播優(yōu)化目標(biāo)函數(shù)，使得最后一層超構(gòu)表面的出射光精確聚焦在理想的探測區(qū)域。

5.根據(jù)權(quán)利要求1所述的一種基于超構(gòu)表面的全光衍射神經(jīng)網(wǎng)絡(luò)系統(tǒng)，其特征在于：全光神經(jīng)網(wǎng)絡(luò)的正向傳播過程基于傅立葉光學(xué)，首先給出瑞利索末菲衍射公式的脈沖響應(yīng)函數(shù)：

其中為衍射距離；

其中h為l+1層和l層之間的瑞利索末菲衍射公式的脈沖響應(yīng)函數(shù)；

定義全光神經(jīng)網(wǎng)絡(luò)第l+1層光場為：

其中為第l層的入射光場，為單元結(jié)構(gòu)的瓊斯矩陣，結(jié)合式1-1與1-2推導(dǎo)出：

其中代表第l層的第i個(gè)神經(jīng)元的輸入光場，代表第l層的第i個(gè)神經(jīng)元的瓊斯矩陣，代表第l層的第i個(gè)神經(jīng)元和第l+1層的第p個(gè)神經(jīng)元之間的瑞利索末菲衍射公式的脈沖相應(yīng)函數(shù)；

進(jìn)一步得到最后一層衍射層的輸出光場：

正向傳播結(jié)束進(jìn)行反向優(yōu)化過程，定義損失函數(shù)為最后一層輸出光場與理論目標(biāo)光場的均方誤差，對輸出光場梯度化處理并化簡后得到第l層為：

代表第l層的第i個(gè)神經(jīng)元的輸入光場，代表第l層的第i個(gè)神經(jīng)元的X偏振瓊斯矩陣。

6.根據(jù)權(quán)利要求1所述的一種基于超構(gòu)表面的全光衍射神經(jīng)網(wǎng)絡(luò)系統(tǒng)，其特征在于：采用基于Tensorflow的深度學(xué)習(xí)框架，神經(jīng)元周期為400nm，訓(xùn)練出包含輸入層、輸出層與三層28×28像素的隱含層的全光神經(jīng)網(wǎng)絡(luò)；采用特定的衍射傳播函數(shù)訓(xùn)練神經(jīng)元的相位值，即通過光學(xué)衍射正向計(jì)算網(wǎng)絡(luò)的輸出，并結(jié)合誤差反向傳播優(yōu)化目標(biāo)函數(shù)，獲得理想的神經(jīng)網(wǎng)絡(luò)架構(gòu)。