[发明专利]一种超线程光子计算结构

说明书

本发明提供了一种超线程光子计算结构，包含分光系统、用于对光信息进行线性运算的光学调相网络，所述分光系统将所接收的光分束为信号光、A参考光与B参考光，A参考光与B参考光对应的光程差为A或B参考光的四分之一波长；分光系统对应信号光的输出光路与光学调相网络的输入光路连接；A或B参考光分束后，分别与光学调相网络的各输出光路连接，以形成两组干涉光；任一干涉光分像输出或分为两路含有互反相位分量的光输出，并对应光路连接至两个光探测器，且两个光探测器的输出做差运算即得运算结果。本发明能够在同一时间内实现输入一套数据，能够得到两套结果，达到算力翻倍的结果。

技术领域

本发明涉及光子神经网络领域，具体涉及一种超线程光子计算结构。

背景技术

大量的光学器件，如MZI或微环谐振器等，以及它们的相互组合所形成的网络都可以根据传输矩阵理论对其行为加以描述。利用这一特点，在光子神经网络芯片中，若干个MZI以一定的方式相互连接起来可以构造出一个用于加乘运算的矩阵，其矩阵元素由各个MZI的相位参数共同决定；而相位参数的调制方式有电光调制、热光调制及声波调制等。于是，光子神经网络的运算过程实际上是借助于一系列MZI的相位参数所决定的矩阵来在光域上完成占大部分的线性加乘运算，然后在电域上完成少量的非线性运算。因此，稳定可靠的操纵矩阵，准确探知输出光振幅向量(即输入光振幅向量与矩阵相乘的结果)是整个光电混合AI计算系统能够有效工作的核心。

在已有的技术方案中(例如Y.Shen,et al.“Deep learning with coherentnanophotonic circuits,”Nat.Photonics 11,441(2017).)，对于一个能够支持N*N矩阵计算的MZI网络来说，当计算数据的输入/检测速度为R时，其等效算力为2*N*N*RFLOPS，强大的算力是保证人工智能计算的基础，如何能够进一步提升计算算力，值得我们深入研究。

发明内容

针对现有技术中所存在的不足，本发明提供了一种能够提升计算算力的超线程光子计算结构。

为实现上述目的，本发明采用了如下的技术方案：

一种超线程光子计算结构，包含分光系统、用于对光信息进行线性运算的光学调相网络，还包含若干光探测器；所述分光系统将所接收的光分束为信号光、A参考光与B参考光，其中，A参考光与B参考光对应的光程差为A参考光或B参考光的四分之一波长；分光系统对应信号光的输出光路与光学调相网络的输入光路连接；A参考光、B参考光分束后，分别与光学调相网络的各输出光路连接，以形成两组干涉光；任一干涉光分像输出或分为两路含有互反相位分量的光输出，并分别光路连接至两个光探测器，且两个光探测器的输出做差运算；两组干涉光对应各光探测器差运算的结果为超线程光子计算结构的计算结果。

进一步的，所述分光系统包含第一分束器与第二分束器；其中第一分束器的其中一路输出与第二分束器的输入光路连接，第一分束器的另一路输出与光学调相网络的输入相连；第二分束器的各路输出分别与光学调相网络的输出光路连接。

进一步的，还包含若干光耦合器；任一光耦合器的输入与光学调相网络的其中一路输出光，以及A参考光或B参考光的分束光对应连接，任一光耦合器的输出与两个光探测器的输入光路连接，以形成干涉光且便于探测。

进一步的，光耦合器包含多模干涉耦合器或定向耦合器。

进一步的，所述分光系统、光学调相网络、各光探测器均集成在一个光子芯片上。

进一步的，所述光学调相网络为含有光学调相结构的片上光学网络。

进一步的，所述光学调相网络使用热调移相器、电流移相器、声波移相器或微环谐振器的其中一种或者几种之组合进行相位调整。

相比于现有技术，本发明具有如下有益效果：