[发明专利]光计算芯片、系统及数据处理技术

说明书

一种光计算芯片、系统及数据处理技术。所述光计算芯片包括光源阵列、第一凹面镜和调制器阵列。所述光源阵列位于所述第一凹面镜的物面焦平面上。所述调制器阵列位于所述第一凹面镜的像面焦平面上。所述光源阵列用于根据第一数据生成第一光信号。所述第一凹面镜用于根据所述第一光信号输出第一反射光信号。所述调制器阵列用于接收所述第一反射光信号，根据所述第一反射光信号获得第一频谱面分布数据，并将所述第一频谱面分布数据调制在所述调制器阵列上。

技术领域

本申请涉及计算机技术领域，尤其涉及一种光计算芯片、系统及数据处理技术。

背景技术

由于互联网数据量的增大以及人工智能(Artificial Intelligence，AI)领域的快速发展，深度学习(deep learning，DL)被广泛应用于图像识别、语音识别、自然语言处理等领域。深度学习是为了模仿人脑构造的一种神经网络，可以达到比传统的浅层学习方式更好的识别效果。由于深度学习算法复杂，计算量巨大，传统的中央处理器在处理大规模运算时效率低下，用于AI加速的硬件研究逐渐成为了研究热点。

相比传统的微电子芯片，光计算在某些应用中的性能有很大提升。例如，光计算在涉及神经网络的卷积计算时，计算速度提升很多。模拟光计算是光计算的一种。模拟光计算是利用光学器件本身的物理特性，来完成对应的数学过程的运算。目前，模拟光计算主要以经典的4F系统为主，依托透镜的傅里叶变换效应，使用两个调制器对输入的数据在空间频域上进行相应处理，从而完成相应计算。现有的4F系统中，由于采用的凸透镜属于三维器件，无法在片上集成。并且，现有的4F系统中，且需要采用额外的计算设备先根据傅里叶变换计算出数据的频谱数据，再将频谱数据调制在调制器上，实现过程相对复杂。

发明内容

本申请提供的一种光计算芯片、系统及数据处理技术，能够在芯片上实现光计算，提高数据计算效率。

第一方面，本发明实施例提供了一种光计算芯片，包括第一凹面镜、光源阵列以及调制器阵列。所述光源阵列位于所述第一凹面镜的物面焦平面上，所述调制器阵列位于所述第一凹面镜的像面焦平面上。所述光源阵列用于根据第一数据生成第一光信号。所述第一凹面镜用于根据所述第一光信号输出第一反射光信号。所述调制器阵列用于接收所述第一反射光信号，根据所述第一反射光信号获得第一频谱面分布数据，并将所述第一频谱面分布数据调制在所述调制器阵列上。

本发明实施例所述的光计算芯片，由于采用了凹面镜，凹面镜为一维器件，在片上更容易制作和集成，使得在芯片上实现光计算成为可能。并且，由于所述光计算芯片中的调制器能够根据入射光的强度产生电流，从而能够获得第一反射光信号的第一频谱面分布数据，，从而在实现光计算的过程中，可以直接获得频谱面分布数据，并将获得的频谱面分布数据调制在调制器阵列上。这种方式无需采用额外的计算设备来辅助完成频谱面数据的获得。进而，在光计算的过程中提高了计算效率，实现简单、高效。

结合第一方面，在第一种可能的实现方式中，所述光源阵列还用于根据第二数据生成第二光信号。所述第一凹面镜还用于根据所述第二光信号输出第二反射光信号。所述调制器阵列还用于根据所述第二反射光信号以及所述第一频谱面分布数据获得第三光信号。

在又一种可能的实现方式中，所述光计算芯片还包括第二凹面镜和探测器阵列。所述调制器阵列还位于所述第二凹面镜的物面焦平面上，所述探测器阵列位于所述第二凹面镜的像面焦平面上。所述第二凹面镜用于接收所述第三光信号并根据所述第三光信号输出第三反射光信号。所述探测器阵列用于探测所述第三反射光信号，所述第三反射光信号在所述探测器阵列上的分布用于指示所述第一数据和所述第二数据的卷积结果。

本发明实施例所述的光计算芯片，由于采用的调制器阵列能够根据反射光信号直接获得光频谱面分布数据，并能够将第一数据调制在调制器阵列上，从而在实现第一数据和第二数据的卷积计算过程中，无需借助额外的计算设备来辅助完成第一数据频谱面数据的获得，从而能够提高计算效率。