[发明专利]基于衍射光学的神经网络计算单元

说明书

本发明提供一种基于衍射光学的神经网络计算单元，包括：分光部件、光调制器件、光衍射器件、光探测器件和数据处理控制板。输入光束经过分光部件的折射后进入光调制器件的任一区域，光调制器件对输入光束进行加载数据后再经分光部件透射至光衍射器件任一区域，光衍射器件对调制后的光束进行衍射后经过分光部件的再次折射进入光探测器件的任一区域，光探测器件用于对衍射后的光束进行分区域采集并转换为电信号，数据处理控制板接收电信号后进行计算，此过程为一层神经网络的计算，重复上述过程，实现不同层神经网络的同时计算。避免了常规的基于衍射模板的光学神经网络处理器在实现多层神经网络计算时需要使用大量的空间光调制器。

技术领域

本发明涉及光学计算技术领域，特别涉及基于衍射光学的神经网络计算单元。

背景技术

光学计算通常利用对可见光或近红外光作为信息载体来执行计算过程而非传统的以电荷为载体的电子类计算，通常可以实现更高的并行度和速率。这是因为光线传播过程是互不干扰的，计算过程耗时仅为光线在介质中传递的时间，可在单位空间内实现更高的计算密度和计算并行度。

人工神经网络(artificial neural network，缩写ANN)，简称神经网络(neuralnetwork，缩写NN)，是一种模仿生物神经网络(动物的中枢神经系统，特别是大脑)的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。其在目标检测，识别，分类，自然语言处理等具有广泛的应用。但是神经网络巨大的计算量是其工程应用的一大挑战。

基于衍射光学器件的光神经网络目前发展迅速，其优势在于以极低的功耗快速的完成大量重复计算，利用光为载体来计算神经网络可以使计算效率得到极大的提升。然而，传统的基于衍射器件的光学计算模块在计算复杂网络或同时计算多个不同网络时需要用到多个空间光调制器，这必然会导致成本的上升和光路设计与装调难度的增加。目前的深度神经网络每层的节点数通常在1K×1K之内，这对于采用4K×4K及以上高分辨率的空间光调制器来构建网络来说无法充分利用其像元数，而利用空间光调制器来构建光神经网络时，由于光路的限制和器件本身的成本，通常很难构建层数大于5层的多层网络，即目前采用空间光调制器来构建神经网络时的难点是网络广度太大而深度不够。

因此，如何利用尽可能少的空间光调制来构建多层深度神经网络，并使其器件的像元数得到充分的利用，是一个非常有意义的问题。

发明内容

为避免常规的基于衍射模板的光学神经网络处理器在实现多层神经网络计算时需要使用大量的空间光调制器，本发明的目的是提出一种衍射光学神经网络，通过对空间光调制器的区域划分与独立刷新实现在仅使用少量空间光调制器的条件下完成多层神经网络的计算，可以同时实现神经网络的并行或串行处理。

为实现上述目的，本发明采用以下具体技术方案：

本发明提供的一种基于衍射光学的神经网络计算单元，包括：

分光部件、光调制器件、光衍射器件、光探测器件和数据处理控制板，数据处理控制板用于分别对光调制器件、光衍射器件和光探测器件进行区域划分并对区域分别进行独立控制；

输入光束垂直进入分光部件，经过分光部件的折射后进入光调制器件的任一区域，光调制器件对输入光束进行加载数据后反射回分光部件，再经分光部件透射至光衍射器件任一区域，光衍射器件对调制后的输入光束进行衍射后再次反射经过分光部件的再次折射进入光探测器件的任一区域，光探测器件用于对衍射后的输入光束进行分区域采集并转换为电信号，数据处理控制板接收电信号后进行计算。

优选地，光调制器件还用于对输入光束进行分区域的独立调制；调制后的输入光束通过自由传播的方式进入光衍射器件的任一区域。

优选地，光衍射器件还用于对调制后的输入光束进行分区域的独立调制，衍射后的输入光束通过自由传播的方式进入光探测器件的任一区域。

优选地，数据处理控制板用于：