[发明专利]基于空间部分相干光的全光深度衍射神经网络系统及方法

说明书

本发明公开了一种基于空间部分相干光的全光深度衍射神经网络系统及方法，包括：转换模块，用于将输入的空间部分相干光信号转换为相干光信号；全光深度衍射神经网络模块，用于对相干光信号进行变换、提取和压缩；信息采集模块，用于接收全光深度衍射神经网络模块的输出信号，并根据输出信号生成空间部分相干光信号的处理结果。该系统可以扩展全光深度衍射神经网络的应用领域，使得全光深度衍射神经网络更好地完成更加复杂的机器学习任务，尤其是能够完成自然场景图像识别处理与计算任务。

技术领域

本发明涉及光电计算和机器学习技术领域，特别涉及一种基于空间部分相干光的全光深度衍射神经网络系统及方法。

背景技术

深度学习使用在计算机中实现的多层人工神经网络，以数字方式学习数据中的信息，并且能够以和人类相当甚至更优的性能执行高级任务。最近，深度学习已经在机器学习领域取得重大进展的例子包括医学图像分析、语音识别、图像分类等等。传统的深度学习网络基于电路实现，其运行速度受到电路中CPU、GPU等电学器件的限制，具有运行速度慢、运算效率低、耗能巨大等问题。目前，有一种全光学衍射深度神经网络，使用无源光学元件进行全光学机器学习。该架构可以以光速执行基于神经网络的一些功能，在并行计算能力和功率、效率方面有明显优势。

上述全光学衍射深度神经网络必须针对相干光进行计算，但是自然场景下大部分光源都是空间部分相干光，因此目前全光学衍射深度神经网络无法直接对自然场景中的部分相干信号直接进行处理。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种基于空间部分相干光的全光深度衍射神经网络系统，该系统可以使得全光学衍射深度神经网络能够直接处理空间部分相干光信号。

本发明的另一个目的在于提出一种基于空间部分相干光的全光深度衍射神经网络方法。

为达到上述目的，本发明一方面实施例提出了一种基于空间部分相干光的全光深度衍射神经网络系统，包括：转换模块，用于将输入的空间部分相干光信号转换为相干光信号；全光深度衍射神经网络模块，用于对所述相干光信号进行变换、提取和压缩；信息采集模块，用于接收所述全光深度衍射神经网络模块的输出信号，并根据所述输出信号生成所述空间部分相干光信号的处理结果。

本发明实施例的基于空间部分相干光的全光深度衍射神经网络系统，通过以光速使用光学元件，对自然场景执行基于神经网络的功能，创建了一种有效、快速的实现机器学习任务的方式；能够经济高效地以可扩展、低功耗的方式对部分相干光实现大规模神经网络，具有实现各种复杂应用的潜力，从而使得全光深度衍射神经网络更好地完成更加复杂的机器学习任务，尤其是能够完成自然场景图像识别处理与计算任务。

另外，根据本发明上述实施例的基于空间部分相干光的全光深度衍射神经网络系统还可以具有以下附加的技术特征：

进一步地，在本发明的一个实施例中，所述转换模块包括：镜头，用于将输入的空间部分相干光信号耦合到光转换部件上；光转换部件，用于将所述空间部分相干光信号转换为所述相干光信号；相干光源，用于为所述相干光信号提供能量。

进一步地，在本发明的一个实施例中，所述转换模块进一步用于利用相干记录光和所述空间部分相干光信号对所述光转换部件进行编码，并利用读出光将所述光学转换部件的编码转换为相干光学空间分布。

可选地，在本发明的一个实施例中，所述光转换部件可以为铁电薄膜部件或者光折变部件。

进一步地，在本发明的一个实施例中，所述全光深度衍射神经网络模块包括：光学强度调制层，用于利用改变光传播介质的吸收率对空间传播的所述相干光信号进行强度调制；光学相位调制层，用于利用改变光传播介质的折射率对空间传播的所述相干光信号进行相位调制；非线性调制层，用于利用非线性效应对空间传播的所述相干光信号的相位和强度进行非线性调制。