[发明专利]数据处理方法及装置、光子神经网络芯片、数据处理电路

说明书

本申请提供一种数据处理方法及装置、光子神经网络芯片、数据处理电路。数据处理方法可以应用于光子神经网络芯片，该方法包括：获取被乘数与乘数之积的最高位计算结果；根据数据处理模型的精度要求，判断最高位计算结果是否满足精度要求；若最高位计算结果不满足精度要求，进行最高位计算结果与后续高位计算结果的累加，直到累加结果满足精度要求或完成所有计算结果的累加。本申请实施例提供的技术方案可以进一步提高光子神经网络芯片的计算效率。

技术领域

本申请涉及光子神经网络芯片技术领域，特别涉及一种数据处理方法及装置、光子神经网络芯片、数据处理电路。

背景技术

近年来摩尔定律的失效也预示着人类对于电子计算芯片的能力开发陷入了瓶颈期，无论是传统的中央处理器(以下简称为CPU)还是后续广为开发的图形处理器(以下简称为GPU)都将受到摩尔定律失效影响，电子芯片发展放缓将无法为更大规模更强大的深度学习提供有效的算力支撑。

于是在此背景下，基于光子超高速信号处理的光子神经网络芯片被学者所提出。利用光子学超高带宽优势，能够对现有的信号处理速度进行数个数量级的提升。在2017年，麻省理工学院的研究人员提出了一种典型的光子神经网络芯片，此芯片利用光学矩阵(一种利用光路实现的矩阵变换方法，可利用该方法将任意矩阵乘法在光路中实现)变换实现了全光任意矩阵相乘计算，为全连接神经网络的计算加速提供了一种光子学的解决思路。

但是，由于光学相位分辨率不够高、探测器噪声等原因，光子神经网络芯片的计算正确率不够高，误差较大，没有充分发挥光子神经网络芯片高效计算的优势。

发明内容

本申请实施例的目的在于提供一种数据处理方法，用以提高光子神经网络芯片的计算效率。

本申请实施例提供了一种数据处理方法，所述方法应用于光子神经网络芯片，所述方法包括：

获取被乘数与乘数之积的最高位计算结果；

根据数据处理模型的精度要求，判断所述最高位计算结果是否满足所述精度要求；

若所述最高位计算结果不满足所述精度要求，进行所述最高位计算结果与后续高位计算结果的累加，直到累加结果满足所述精度要求或完成所有计算结果的累加。

在一实施例中，所述获取被乘数与乘数之积的最高位计算结果之前，所述方法还包括：

根据所述乘数的最高位的位权幂数，将所述被乘数左移与所述位权幂数相同的位数，得到所述最高位计算结果。

在一实施例中，所述进行所述最高位计算结果与后续高位计算结果的累加，直到累加结果满足所述精度要求完成所有计算结果的累加，包括：

进行最高位计算结果与第二高位计算结果的累加，得到第一累加结果；

如果所述第一累加结果不满足精度要求，在所述第一累加结果的基础上，进行第三高位计算结果的累加，得到第二累加结果；

如果所述第二累加结果不满足精度要求，继续进行下一高位计算结果的累加，直到最终累加结果满足所述精度要求完成所有计算结果的累加。

在一实施例中，所述进行最高位计算结果与第二高位计算结果的累加之前，所述方法还包括：

判断所述乘数除最高位外第二高位的位数数据是否为0；

若为1，根据所述乘数的第二高位的位权幂数，将所述被乘数左移与所述第二高位的位数幂数相同的位数，得到所述第二高位计算结果。

在一实施例中，所述方法还包括：

若所述乘数除最高位外第二高位的位数数据为0，得到所述第二高位计算结果为0。

在一实施例中，所述进行第三高位计算结果的累加之前，所述方法还包括：