[发明专利]基于相变材料的可重构光学神经网络及其应用

权利要求书

1.一种基于相变材料的可重构光学神经网络，用于实现图像分类，其特征在于，包括：光信息输入层(I)、可重构衍射层(II)和探测输出层(III)；

所述可重构衍射层(II)包括n个相互平行且间隔设置的光学衍射板(5)；所述光学衍射板(5)包括依次设置的基底、相变材料层和保护层，且所述相变材料层和所述保护层被划分为多个独立区域，相应形成多个单元(4)，每个单元(4)内的相变材料可在多个状态之间切换，所述多个状态包括晶态和非晶态；n为正整数；

所述光信息输入层(I)用于产生携带有输入图像信息且正入射所述可重构衍射层(II)的入射平面光；

所述可重构衍射层(II)，用于利用其中的光学衍射板(5)对所述入射光的强度分布进行调控，得到待测平面光；

所述探测输出层(III)，用于探测所述待测平面光中m个预设位置处的功率大小；m为类别数，且所述m个预设位置与m个类别一一对应，功率最大的预设位置所对应的类别为图像分类结果。

2.如权利要求1所述的基于相变材料的可重构光学神经网络，其特征在于，所述相变材料至少具有晶态和非静态两种折射率不同的状态。

3.如权利要求1所述的基于相变材料的可重构光学神经网络，其特征在于，所述光信息输入层(I)包括：照明光源(1)和扩束装置(2)；

所述照明光源(1)用于产生原始光斑；

所述扩束装置(2)用于将所述原始光斑扩大至可完整覆盖输入图像(3)；

工作时，所述输入图像(3)置于所述扩束装置(2)之后预设的输入位置处，经所述扩束装置(2)扩大后的原始光斑透过所述输入图像后，形成所述入射平面光。

4.如权利要求1～3任一项所述的基于相变材料的可重构光学神经网络，其特征在于，所述探测输出层(III)包括位于同一平面的m个光功率探测器(6)，所述m个光功率探测器(6)分别设置于所述m个预设位置处。

5.如权利要求1～3任一项所述的基于相变材料的可重构光学神经网络，其特征在于，所述多个状态还包括：晶态和非晶态之间的中间态。

6.如权利要求1～5任一项所述的基于相变材料的可重构光学神经网络的训练方法，其特征在于，包括：

将每个单元(4)作为光学神神经网络中的一个神经元，根据空间位置，计算相邻光学衍射板中单元间的衍射关系，作为对应神经元的权重，并在训练过程中保持固定；

神经元中的激活函数设为具有离散值的分段函数，并将单元中相变材料的至少两种状态分别映射为对应神经元中激活函数中的不同偏移值；

获得由已知类别的图像所构成的数据集，将其中的图像作为所述可重构光学神经网络的输入图像，将对应的图像类别作为标签信息，对所述基于相变材料的可重构光学神经网络进行训练，以确定各光学衍射板(5)中、各单元中相变材料的状态；训练算法采用反向传播算法，且利用直通估计器计算梯度；

按照训练结果设置各光学衍射板(5)中、各单元中相变材料的状态。

7.如权利要求6所述的训练方法，其特征在于，设置单元中相变材料状态的方式包括：

利用第一激光脉冲聚焦于单元，使其中的相变材料由非晶态切换为晶态；

利用第二激光脉冲聚焦于单元，使其中的相变材料由晶态切换为非晶态；

两种激光脉冲中，所述第一激光脉冲的功率较低，且脉宽较大。

8.如权利要求7所述的训练方法，其特征在于，设置单元中相变材料状态的方式，还包括：

利用第三激光脉冲聚焦于单元，使其中的相变材料由非晶态切换为中间态；所述第三激光脉冲的功率与所述第一激光脉冲相同，且脉宽介于所述第一激光脉冲和所述第二激光脉冲之间。

9.一种图像分类方法，其特征在于，包括：

将由权利要求6～8任一项所述的训练方法训练得到的可重构光学神经网络作为图像分类网络；

将待分类图像作为所述图像分类网络的输入图像，以由所述图像分类网络输出对应的图像分类结果。