[发明专利]数据处理方法、装置及计算机可读存储介质

说明书

本申请公开了一种数据处理方法、装置及计算机可读存储介质。其中，方法包括预先基于光子神经网络的非线性激活函数的数据传输形式和硅基芯片的光路结构确定非线性激活函数的模拟方式，以基于模拟方式确定光子神经网络对应光路通道和移相器参数。将获取的待处理光信号输入至光子神经网络中进行光信号传输和光信号计算，根据光子神经网络的输出光信号确定待处理光信号的数据处理结果。本申请不仅可有效提高光子神经网络的计算速度，提升数据处理效率，还可降低功耗，占用更少计算资源，成本低。

技术领域

本申请涉及计算机技术领域，特别是涉及一种数据处理方法、装置及计算机可读存储介质。

背景技术

随着科技的发展，现今社会已进入云+AI(Artificial Intelligence，人工智能)+5G(5th Generation Mobile Communication Technology，第五代移动通信技术)的时代，为了实现云+AI+5G的运算需求，需要有支持大运算量的专用芯片。芯片是人类最伟大的发明之一，也是现代电子信息产业的基础和核心。小到手机、电脑、数码相机，大到5G、物联网、云计算，全部都是基于芯片技术的不断突破。半导体光刻工艺水平的发展是以芯片为核心的电子计算机的基石，目前半导体光刻的制造工艺几乎是摩尔定律的物理极限，随着制造工艺的越来越小，芯片内晶体管单元已经接近分子尺度，半导体制作工艺的“瓶颈效应”越来越明显。随着全球化以及科技的高速发展，需要处理的数据量急剧增加，相应的数据处理模型和算法也在不断增加，带来的结果就是对算力和功耗的要求不断提高。而目前冯·诺依曼架构和哈佛架构的电子计算机存在传输瓶颈、功耗增加以及算力瓶颈等问题，已越来越难以满足大数据时代对算力与功耗的需求，例如人工智能计算需求与传统芯片算力增长曲线极度不匹配，因此提高运算速度同时降低运算功耗是目前面临的紧要问题。利用光子计算方法替代传统电子计算方法将是解决摩尔定律困境以及冯诺依曼架构的问题，即解决当前算力、功耗问题的极具潜力的途径之一。光子具有光速传播、抗电磁干扰、任意叠加等特性，相比于电计算，光计算具有很多优势，例如：光信号以光速传输，使速度得到巨大提升；光具有天然的并行处理能力以及成熟的波分复用技术，运算速度极快，十分适合做并行运算，从而使数据处理能力和容量及带宽大幅度提升；光计算功耗有望低至10-18J/bit，相同功耗下，光子器件比电子器件快数百倍，故具备深度学习能力、高算力和低功耗的集成光子芯片被广泛应用，例如，在远距离、高速运动目标的测距、测速和高分辨成像激光雷达中，在生物医药、纳米器件等的内部结构实现高分辨无损检测的新型计算显微关联成像装备中。

近年来，随着摩尔定律的逐步失效，以及大数据时代对计算系统功耗和速度要求的不断提高，光计算技术高速和低功耗的特点越来越受到重视。此外，由于光计算技术的并行性运算特点，以及光学神经网络等算法和硬件架构的发展，为图像识别、语音识别、虚拟现实等人工智能技术对算力的需求提供了最有潜力的解决方案。光计算可以分为模拟光计算和数字光计算。模拟光计算最典型的一个例子就是傅立叶运算，在图像处理等领域需要运用傅立叶变换相关的计算，如卷积计算。用传统计算机来计算傅立叶变换是非常消耗计算量的，而光通过透镜的过程，本身就是一次傅立叶变换的过程，这个过程几乎完全不需要时间。数字光计算是利用光和光学器件组合形成经典的逻辑门，构建类似传统数字电子计算原理的计算系统，通过复杂的逻辑门组合操作实现计算。