[发明专利]光电混合智能数据生成计算系统及方法

说明书

本发明公开了一种光电混合智能数据生成计算系统及方法，其中，系统包括：电子压缩采样模块，用于非监督地学习输入数据的特征概率分布，将输入信息压缩到低维空间并进行分布采样；特征转换模块，用于将压缩采样后的电子特征信号转化为光学特征信号；全光数据生成模块，由多个无源的光学频域调制模块组成，用于将输入的光学特征信号生成全新的计算数据。该系统可以实现光速的智能数据生成，使得光电混合系统或全光机器学习能够实现非监督的智能数据生成。

技术领域

本发明涉及光电计算和机器学习技术领域，特别涉及一种光电混合智能数据生成计算系统及方法。

背景技术

生成模型是机器学习中最重要的模型类别之一。该类模型能够随机生成观测数据，可以用来直接对数据建模，或者建立变量间的条件概率分布。已经能实现对图像、本文、声音等数据的自动生成。

目前，已经有了全光学衍射深度神经网络，实现了全光的机器学习判别模型。该架构通过机器学习设计优化类似于人工神经网络的多级空频域光学相位调制层以及非线性层组合，实现了手写数字、时尚产品图像分类、图片显著性分析等功能。该架构可以以光速执行基于神经网络判别模型的功能，创建了一种有效、快速的实现机器学习任务的方式。

在全光学人工神经网络中完成机器学习任务是很有前景的，因为它在并行计算能力和功率、效率方面有明显优势。全光学衍射深度神经网络提供了一种以光速使用无源元件实现衍射操作，有效的、独特的全光学机器学习模型，它的一个重要优势是能够通过使用各种高吞吐量、大面积的3D制造方法和宽视场的光学元件、检测系统来轻松扩展，能够经济高效地以可扩展、低功耗的方式实现数以亿计的神经元和数以十亿计的连接，而且具有实现各种复杂应用的潜力。

但是上述光学衍射神经网络，目前仅能实现机器学习判别类模型，在使用光学网络高速生成数据领域的工作十分有限。目前尚不能实现非监督地使用光学网络进行数据自动生成，有待解决。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种光电混合智能数据生成计算系统，该系统可以实现光速的智能数据生成，使得光电混合系统或全光机器学习能够实现非监督的智能数据生成。

本发明的另一个目的在于提出一种光电混合智能数据生成计算方法。

为达到上述目的，本发明一方面实施例提出了一种光电混合智能数据生成计算系统，包括：电子压缩采样模块，用于非监督地学习输入数据的特征概率分布，将输入信息压缩到低维空间并进行分布采样；特征转换模块，用于将压缩采样后的电子特征信号转化为光学特征信号；全光数据生成模块，由多个无源的光学频域调制模块组成，用于将输入的所述光学特征信号生成全新的计算数据。

本发明实施例的光电混合智能数据生成计算系统，通过以光速使用光学元件，执行基于机器学习非监督数据生成的功能，创建了一种有效、快速的实现图像数据生成的方式；能够通过使用各种高吞吐量、大面积的3D制造方法和宽视场的光学元件、检测系统来轻松扩展；能够经济高效地以可扩展、低功耗的方式实现大规模高速数据生成，具有实现各种复杂应用的潜力。

另外，根据本发明上述实施例的光电混合智能数据生成计算系统还可以具有以下附加的技术特征：

进一步地，在本发明的一个实施例中，所述电子压缩采样模块由电子神经网络全连接层组成，将输入图像数据的电子信号，非监督地压缩编码至几个特征变量，基于学习到的特征概率分布，对特征变量进行采样。

进一步地，在本发明的一个实施例中，所述特征转换模块输入的特征数值的电子信号，被转化为光学特征信号的初始强度，各点相位统一初始化，基于一定的排列模式，作为所述光学特征信号。