[发明专利]光学突触

说明书

提供了用于光学神经网络的集成光学电路。所述集成光学电路被配置为处理相位编码的光学输入信号，并根据所述相位编码的光学输入信号提供相位编码的输出信号。所述相位编码的输出信号相对于所述相位编码的光学输入信号模拟了突触功能。还提供了一种相关的方法和相关的设计结构。

背景技术

神经形态(neuromorphic)技术涉及受神经系统生物学结构启发的计算系统。传统的计算体系结构变得越来越不能满足现代计算机系统上不断增长的处理需求。与人脑相比，经典的冯·诺依曼计算机体系结构在功耗和空间要求方面效率极低。这促使人们进行了大量的研究工作，以了解人脑的高效计算范例并创建具有空前计算能力的人工认知系统。

神经形态网络被广泛地用于模式识别和分类，具有从指纹、虹膜和面部识别到目标获取等许多潜在的应用。神经形态网络的参数(例如，“突触权重”)可以是在学习过程中对模式集合进行自适应训练，然后神经形态网络能够识别或分类相同类型的模式。

神经元和突触(synapses)是大脑中的两个基本计算单元。

神经元可以对来自其他神经元的输入进行积分，在某些情况下，还可以与其他输入(例如来自感觉受体(sensoryreceptors))的输入进行积分，并且当积分的输入超过阈值时，产生称为“动作电位(actionpotentials)”或“尖峰”的输出信号。在下文中，由神经元执行的功能或操作被表示为神经元功能。

突触由于神经元活动而改变其连接强度，并且更新该连接的权重被称为网络的训练。突触通常比神经元大很多(在人脑中约为10,000)。神经形态计算技术的关键挑战是开发紧凑型设备，以模仿生物突触的可塑性。由突触执行的功能或操作被称为突触功能。

因此，需要模仿突触功能的装置。

发明内容

根据第一方面，本发明体现为用于光学神经网络的集成光学电路。所述集成光学电路被配置为处理相位编码(phase-encoded)的光学输入信号并提供相位编码的输出信号。所述相位编码的输出信号相对于所述相位编码的光学输入信号模拟突触功能。

示例性的光学电路使用相位在光域中编码信息。

根据第一方面的实施例，当产生具有被施加在所述相位编码的光学输入信号的相位上的权重的所述相位编码的输出信号时，所述电路仿真突触功能。

这在信号恢复方面提供了优点。特别地，相位与传播损耗解耦(decoupled)并且保持恒定。此外，由于传播损耗而导致的光学模式衰减的减小振幅可以再次放大以恢复信号。

根据实施例，所述集成光学电路被配置为将所述相位编码的光学输入信号转换为振幅编码的信号，以对所述振幅编码的信号进行加权，并将所述加权后的振幅编码的信号转换为所述相位编码的光学输出信号。

根据这样的实施例，所述集成光学电路在所述相位域和所述振幅域两者中操作。当输入和输出在所述相位域中操作时，在所述振幅域中执行一些中间处理。这有助于在所述振幅域中实现电路。

根据一个实施例，所述光学集成电路包括配置成承载光学参考信号的参考波导，配置成接收所述相位编码的光学输入信号的输入波导以及输出波导。所述光学参考信号和所述光学输入信号之间的相位差代表相应的所述相位编码输入信号。所述光学集成电路还包括：光学干涉仪，所述光学干涉仪被配置为通过叠加将所述光学参考信号和所述光学输入信号转换为干涉信号；以及可调谐衰减器，其被配置为将所述干涉信号加权为加权干涉信号。此外所述集成光学电路包括相移设备，所述相移设备被配置为通过根据所述加权干涉信号在所述光学参考信号中引起相移来将所述加权干涉信号转换为所述相位编码的光学输出信号。