[发明专利]一种可见光波段光学神经网络元件

说明书

本发明一种可见光波段光学神经网络元件属于光学元件、图像识别技术领域；该光学神经网络元件包含多个沿光轴方向依次等间距排列的子元件，子元件向垂直于光轴的平面的投影图形为正方形，所有子元件向垂直于光轴的平面的投影图形重合；每个子元件包含一个衬底结构和由衬底结构支撑的多个子结构，所述子结构在衬底表面成矩阵排列，在矩阵的行方向和列方向上，相邻两个子结构在衬底上坐标的距离为定值，所述子结构的尺寸相同，转角不同，子元件中子结构转角和相位之间具有某种确定关系；本发明可见光波段光学神经网络元件不仅衍射效率不受理论限制，而且因为加工工艺的进步，其能够工作在可见光波段；本发明还提供了一种计算子结构尺寸的方法。

技术领域

本发明一种可见光波段光学神经网络元件属于光学元件、图像识别技术领域。

背景技术

近年来，基于光学神经网络的图像识别逐渐发展起来，它是光学工具和神经网络的结合，其原理为用光的传播过程模拟神经元的工作过程，用光场强度表达数据信息，相比于基于电子元件的深度学习神经网络，具有速度快、耗能低和结果易解释的优势。

文章《All-optical machine learning using diffractive deep neuralnetworks》涉及了一种用于THz波段的光学神经网络，其光学神经网络元件是通过3D打印方法加工出来的一类衍射元件，其特点是具有不同高度的台阶结构，同时每一个高度对应的相位为0-2π范围内的一个特定值。该方法加工的光学神经网络元件存在如下问题：

第一、由于高度为离散值，故这种衍射光学元件的衍射效率受到理论限制，忽略光在材料中的损耗，两台阶衍射光学元件的最高衍射效率不超过40.5％，四台阶衍射光学元件的最高衍射效率不超过81％。

第二，在图像识别等应用中，元件需要工作于可见光波段。然而工作波长越小，元件的特征线宽也需要越小，工作于可见光波段的光学神经网络元件特征线宽一般为几十纳米至百纳米，采用3D打印方法无法加工。

可见，设计并加工可见光波段的高衍射效率光学神经网络元件是一个亟待解决的问题。

发明内容

针对3D打印方法加工的衍射元件衍射效率低且无法工作于可见光波段的问题，本发明提供了一种光学神经网络元件，该元件中采用了尺寸相同，转角不同的子结构来代替衍射元件中不同高度的台阶结构，并采用单次投影曝光、原子层沉积、刻蚀工艺和切片分割的微纳加工方法，不仅能够提高衍射效率，而且能够工作于可见光波段。

本发明的目的是这样实现的：

一种可见光波段光学神经网络元件，通过单次投影曝光、原子层沉积、刻蚀工艺和切片分割而成，包含多个沿光轴方向依次等间距排列的子元件，所述子元件向垂直于光轴的平面的投影图形为正方形，所有子元件向垂直于光轴的平面的投影图形重合；每个子元件包含一个衬底和由衬底支撑的多个子结构，所述子结构在衬底表面成矩阵排列，在矩阵的行方向和列方向上，相邻两个子结构在衬底上坐标的距离为定值，所述子结构的尺寸相同，转角不同，在第i个子元件上，子结构在绕衬底坐标(x,y)法线的转角θ和子结构在衬底坐标(x,y)处对应的相位φ_i(x,y)之间满足如下关系：

其中，m为任意整数，φ_θ＝0为θ＝0时子结构在衬底坐标(x,y)处对应的相位。

上述一种可见光波段光学神经网络元件，有如下定义：

定义入射光波长为λ_d，每一个子结构的尺寸(L,W,H)和相邻两子结构在衬底上坐标的距离P组成待求的参数向量(L,W,H,P)；

其中，L为子结构的长，W为子结构的宽，H为子结构的高；

计算子结构参数向量(L,W,H,P)的方法，包括以下步骤：