[发明专利]一种基于微腔光频梳的并行光学神经网络系统及识别方法在审

专利信息
申请号: 202011141048.6 申请日: 2020-10-22
公开(公告)号: CN112329913A 公开(公告)日: 2021-02-05
发明(设计)人: 王伟强;王信宇;任阳明;王阳;张文富 申请(专利权)人: 中国科学院西安光学精密机械研究所
主分类号: G06N3/04 分类号: G06N3/04;G06N3/067;G06N3/08
代理公司: 西安智邦专利商标代理有限公司 61211 代理人: 郑丽红
地址: 710119 陕西省西*** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 微腔光频梳 并行 光学 神经网络 系统 识别 方法
【说明书】:

发明提供一种基于微腔光频梳的并行光学神经网络系统及识别方法,解决了现有光学神经网络系统成本高、体积大、不利于单片集成等问题。该基于微腔光频梳的并行光学神经网络系统包括依次设置的窄线宽激光器、微腔光孤子光频梳单元、光学布拉格光栅、光学放大器、波分多路复用模块、第一调制器和光学神经网络单元。本发明系统将微腔光孤子光频梳与光学神经网络相结合,微腔光孤子光频梳具有上百根频率成分,能够并行的识别上百种不同的特征,可满足未来的应用。

技术领域

本发明涉及光学神经网络系统,具体涉及一种基于微腔光频梳的并行光学神经网络系统及识别方法。

背景技术

随着社会的发展,数据处理日益增多,使得高速、实时、无串扰、多功能的AI芯片需求日益增多。AI芯片在功能上主要包括矩阵乘与非线性层的共同作用,传统电学芯片其传播速度依赖电子传播,在高速矩阵乘、大容量矩阵乘方面有着难以突破的瓶颈。而光学神经网络芯片其传播速度基于光速,有着处理速度快、高算力、能耗低的天然优势。但是,目前围绕并行光学神经网络系统主要是基于多台激光器对应多个神经网络系统,其面向未来的应用存在着成本高、体积大、不利于单片集成等劣势。

发明内容

针对现有光学神经网络系统存在成本高、体积大、不利于单片集成等问题,本发明提供一种基于微腔光频梳的并行光学神经网络系统及识别方法,该系统操作简单、兼容性强,能够高效满足并行光学神经网络需求。

为解决以上问题,本发明的技术方案如下:

一种基于微腔光频梳的并行光学神经网络系统,包括依次设置的窄线宽激光器、微腔光孤子光频梳单元、光学布拉格光栅、光学放大器、波分多路复用模块、第一调制器和光学神经网络单元;所述窄线宽激光器用于提供微腔光孤子光频梳产生的泵浦光源;所述微腔光孤子光频梳单元包括依次设置的偏振控制器、环形器和微环谐振腔,用于提供微腔光孤子光频梳光源;所述光学布拉格光栅用于过滤微腔光孤子光频梳的泵浦光成分与辅助光;所述光学放大器用于放大微腔光孤子光频梳;所述波分多路复用模块用于对微腔光孤子光频梳进行分光,将微腔单孤子光频梳波长进行分离;所述第一调制器用于加载待识别信号;所述光学神经网络单元用于对待识别信号进行识别,并输出识别后的信号。

进一步地,所述光学神经网络单元包括光学神经网络线性结构和光学神经网络非线性结构,所述光学神经网络非线性结构包括可编程电源、第二调制器、FPGA控制模块和探测模块;所述可编程电源用于驱动第二调制器,调节光学神经网络线性结构的矩阵,使其满足识别的要求;所述第二调制器根据探测模块的探测功率调整投射率;所述探测模块用于对光学神经网络单元的输出结果进行测量;所述FPGA控制模块用于控制非线性型函数类型,通过读取探测模块的功率得到识别结果。

进一步地,所述第二调制器为铌酸锂调制器或硅基铌酸锂调制器。

进一步地,所述探测模块为普通商用光学探测器或CCD。

进一步地,所述窄线宽激光器为半导体窄线宽激光器或光纤型窄线宽激光器。

进一步地,所述光学放大器为半导体型或者光纤型光学放大器。

进一步地,所述波分多路复用模块为商用光学型或者半导体型波分复用模块。

进一步地,所述第一调制器为铌酸锂调制器或硅基铌酸锂调制器。

进一步地,所述微腔光孤子光频梳单元为50G重复频率或100G重复频率的微腔光孤子光频梳单元。

同时,本发明还提供一种基于上述并行光学神经网络系统的识别方法,包括以下步骤:

步骤一、调节窄线宽激光器的波长,微腔光孤子光频梳单元产生微腔光孤子光频梳;

步骤二、光学布拉格光栅过滤微腔光孤子光频梳的泵浦光成分与辅助光,光学放大器对微腔光孤子光频梳进行放大,波分多路复用模块对微腔光孤子光频梳进行分光;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院西安光学精密机械研究所,未经中国科学院西安光学精密机械研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011141048.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top