[发明专利]一种基于正向传播的光子神经网络训练方法

权利要求书

1.一种基于正向传播的光子神经网络训练方法，其中，光子神经网络包含若干关联连接的MZI干涉仪；其特征在于，包括以下方法或步骤：

A：向光子神经网络输入光信号，将该光子神经网络的光信号输出进行光电转换，并处理为代表该光子神经网络损失函数L的电信号或电信息；各MZI干涉仪对应的调制信号记为初始信号S₀；

B：在各MZI干涉仪的调制信号上分别叠加扰动调制信号，各扰动调制信号互为正交信号，且频率各不相同，扰动调制信号组记为ΔS；将该光子神经网络的损失函数记为L(s)；

C：获取或分析计算初始信号S₀处所述损失函数的梯度，并记为

D：选择合适的比例参数α及扰动调制信号ΔS的大小，更新各MZI干涉仪对应的调制信号,更新公式为:

E、将调制信号更改为S₂＝S₁+ΔS，按照步骤A至D进行反复迭代，直至所得到的梯度趋近于0或无法进一步减小，则训练完成；

设置若干锁相放大器；在步骤C中，任一锁相放大器的参考通道仅唯一对应输入一个MZI干涉仪的相位调制信号，锁相放大器的信号通道输入损失函数的电信号或电信息L(s)；锁相放大器输出信号的电压幅值则正比于该MZI干涉仪对应梯度分量值的大小；在锁相放大器的参考通道输入信号ΔVsin(ω₁t+ω₂t)或ΔVcos(ω₁t+ω₂t)，以获取该光子神经网络在初始信号附近损失函数的海塞矩阵分量信息；其中ω₁、ω₂为光子神经网络中任意两个MZI干涉仪的调制信号频率；在步骤C中，将任一MZI干涉仪的相位调制信号与损失函数L(s)相乘，再对时间进行积分，以计算分析该MZI干涉仪梯度分量值大小。

2.根据权利要求1所述的一种基于正向传播的光子神经网络训练方法，其特征在于：所述初始信号S₀及扰动调制信号为同类信号，包含电压信号、电流信号、声波信号中的其中一种。

3.根据权利要求2所述的一种基于正向传播的光子神经网络训练方法，其特征在于：所述扰动调制信号为电压信号，其电压表达式为ΔV sinωt或ΔV cosωt，其中，ΔV为幅值，ω为频率，t为时间因子。

4.根据权利要求1～3中任一项所述的一种基于正向传播的光子神经网络训练方法，其特征在于，MZI干涉仪的相位调制方式包括热光调制、电光调制或基于等离子体色散效应进行光调制的其中一种。