[发明专利]光学神经网络芯片及其计算方法

说明书

本公开提供了一种光学神经网络芯片及其计算方法，包括：光子权重模块，用于实现多个权重的编码，并基于多个权重的编码，调节输入信号中包括的多个不同波长的光信号的幅值，实现各波长的光信号表示的输入数据分别与多个权重的光学乘加计算；光子偏置模块，用于实现多个偏置的编码；光电探测器阵列，用于探测多个光学乘加计算与多个偏置一一对应的求和计算的结果。该芯片及计算方法利用光子实现神经网络计算，可以大幅度提高计算速度并降低计算能耗，通过波分复用对不同的数据进行表示，提高了芯片的计算性能。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种光学神经网络芯片及其计算方法。

背景技术

近年来，神经网络技术迅速发展，广泛的应用于图像处理、自然语言处理等领域。芯片技术的进步对于神经网络技术的发展有着重要的推动作用。当前应用于神经网络加速运算的芯片主要有图形处理单元(GPU)、现场可编程逻辑门阵列(FPGA)、专用集成电路(ASIC)三大类，均基于传统的电芯片技术。随着摩尔定律发展减缓以及冯·诺依曼架构瓶颈凸显，传统电芯片技术面临着日益严重的能耗等问题。与电子相比，光子具有高速度、高带宽、低功耗的优势，因此通过光学芯片实现神经网络计算，可以有效的提升计算速度，降低计算功耗。

在现有的光学神经网络芯片方案中，多数利用光的幅度对输入数据和权重进行编码，光的幅度具有非负性，神经网络中的权重一般既有正值也有负值，需要进行芯片结构和计算方法的联合设计实现。并且，在神经网络计算中，除了输入数据和权重，偏置也有着重要的作用，在芯片的设计中，需要进行各部分的联合设计。

发明内容

本公开的主要目的在于提供一种光学神经网络芯片及其计算方法，以提高光学神经网络芯片的计算性能。

为实现上述目的，本公开实施例第一方面提供一种光学神经网络芯片，包括：光子权重模块，用于实现多个权重的编码，并基于所述多个权重的编码，调节输入信号中包括的多个不同波长的光信号的幅值，实现各波长的所述光信号表示的输入数据分别与所述多个权重的光学乘加计算；其中，所述光子权重模块包括多个光子权重单元，每一所述光子权重单元均包括两列谐振器，其中一列谐振器包括的各谐振器用于将所述多个权重分别进行第一权重编码，另一列谐振器包括的各谐振器用于将所述多个权重分别进行第二权重编码，所述两列谐振器中每行对应的谐振器得到的第一权重编码与第二权重编码的差值表示一个权重；所述光子偏置模块，用于实现多个偏置的编码；所述光电探测器阵列，用于探测多个所述光学乘加计算与多个所述偏置一一对应的求和计算的结果。

可选地，所述光子权重单元包括N行相互平行的横向波导、两列相互平行的纵向波导和2N个所述谐振器，N表示所述输入信号包括的不同波长的光信号的数量，所述横向波导和纵向波导之间垂直交叉，各交叉处均设有一个所述谐振器，形成纵向的两列谐振器，分别用于对所述多个权重进行第一权重编码和第二权重编码；各所述光子权重单元的横向波导一一对应连接，所述输入信号通过各所述横向波导输入所述光子权重单元中。

可选地，包括：在所述光子权重单元中，所述两列谐振器中每行对应的两个谐振器相同，分别用于对同一所述权重进行所述第一权重编码和所述第二权重编码，并调制所述输入信号中同一波长的所述光信号，以实现对所述光信号表示的输入数据与所述权重的乘积计算；所述两列谐振器中各行的所述谐振器互不相同，分别用于对不同的所述权重进行所述第一权重编码和所述第二权重编码，并分别调制所述输入信号中不同波长的光信号，实现所述不同波长的光信号表示的多个输入数据与多个所述权重一一对应的的乘积计算；当实现所述多个输入数据与多个所述权重一一对应的乘积计算后，对所述乘积计算的光信号求和；各所述光子权重单元对应连接的所述横向波导上的所述谐振器交错调制不同波长的所述光信号。