[发明专利]一种光电反馈混沌激光储备池并行计算的装置

说明书

技术领域

本发明属于智能信息处理领域，涉及一种光电反馈混沌激光储备池并行计算的装置，实现对输入序列的预测以及语音的识别等，可应用于光纤通信、光网络及光信号处理等领域。

背景技术

如今的信息时代，信息量呈爆炸式增长，导致待处理数据极快增长，致使目前电子器件已经面临难以克服的速度瓶颈。而经典的信息处理算法在一些复杂应用，特别是在人工智能方面，具有局限性。人工神经网络的提出解决了这些难题。人工神经网络是一种模拟大脑处理信息的数学模型，由大量的节点和它们之间的相互连接构成，其自学习功能、联想存储功能和高速寻优解功能，使其成为仿生学中的一个成功典范。然而，训练人工神经网络是一个难题。储备池计算采用一个随机生成、保持不变的储备池来取代经典人工神经网络的中间层，从而简化了网络的训练过程。目前的储备池计算需要大量、随机、相互连接的非线性节点来构成储备池。通常有成百上千个节点。需要大量的物理器件实现，功耗大、且实现困难。

混沌是一种非线性现象，一个混沌系统包含有很多非线性状态。用一个混沌非线性系统来取代目前储备池计算中的储备池，可以大幅度节省硬件资源，很好地解决了物理实现上的困难。相较于传统的电子计算机只有0和1两个状态，基于混沌的储备池计算系统具有更强的计算处理能力。借助于激光实现的混沌激光储备池计算，具有光学处理信息的超快速度和并行能力，且物理实现简单，是一种融合了多学科优势的新兴技术，应用前景广阔。

现有技术 [1] (参见L. Appeltant, et al. Information processing using a single dynamical node as complex system, Nature Communications 2011)公开了一种利用一个混沌电路实现储备池计算的方法，该电路成功地取代了传统的人工神经网络，实现了语音识别和时间序列预测等智能信息处理的功能。该混沌电路储备池计算系统的性能主要取决于反馈环的增益、输入增益、时间延迟、虚拟节点之间的时间间隔、混沌电路的产生方式以及模板等。这些因素直接决定了该系统的处理速度低、实时性差和处理信息的容量小等弊端。现有技术[2] (参见L. Larger, et al. Photonic information processing beyond Turing: an optoelectronic implementation of reservoir computing, Opt. Express 2012. Y. Paquot, et al. Optoelectronic reservoir computing, Scientific Reports 2012) 公开了一种利用光电反馈混沌实现储备池计算的方法。相比于现有技术[1]和现有技术[2]，大大提高了信息处理的速度和容量。然而，提出新颖的装置以便进一步提高储备池计算用于信息处理的速度和容量具有重要意义。毫无疑问，并行计算是一种提高储备池计算性能的优选方案。现有技术[3] (参见K. Vandoorne, et al. Parallel reservoir computing using optical amplifiers, IEEE Trans. Neural Networks 2011) 公开了一种基于半导体光放大器实现的激光储备池并行计算的装置，该装置原理上利用了传统人工神经网络的方法，共使用了16个半导体光放大器，系统结构复杂，功耗高。现有技术 [4] (参见D. Brunner, et al. Parallel photonic information processing at gigabyte per second data rates using transient states, Nature Communications 2013)公开了一种基于光纤环振荡产生混沌的储备池并行计算装置，该装置可以同时实现光/电信号的输入，并对信号进行处理后输出。实际上，该装置只有一个输出端，即只能对一路输入信号进行处理，所以还不是严格意义上的并行计算。 

发明内容

本发明提供了一种基于光电反馈的混沌激光储备池并行计算的装置，以实现对输入信号的并行处理，并输出处理的结果，充分利用混沌激光的非线性动力学状态。

本发明的技术方案如下：

一种激光储备池并行计算的装置该装置，是一种基于光电反馈式混沌激光储备池并行计算的装置，包括三个模块：混沌激光产生模块、信号输入模块和处理后的信号输出模块；