[发明专利]光学神经网络芯片及其计算方法

说明书

本公开提供了一种光学神经网络芯片及其计算方法，包括：光子权重模块，用于实现多个权重的编码，并基于多个权重的编码，调节输入信号中包括的多个不同波长的光信号的幅值，实现各波长的光信号表示的输入数据分别与多个权重的光学乘加计算；光子偏置模块，用于实现多个偏置的编码；光电探测器阵列，用于探测多个光学乘加计算与多个偏置一一对应的求和计算的结果。该芯片及计算方法利用光子实现神经网络计算，通过波分复用对不同的数据进行表示，提高了计算并行度，通过两次编码实现光学神经网络芯片的正负值计算，提高了光学神经网络芯片的计算性能。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种光学神经网络芯片及其计算方法。

背景技术

近年来，神经网络技术迅速发展，广泛的应用于图像处理、自然语言处理等领域。芯片技术的进步对于神经网络技术的发展有着重要的推动作用。当前应用于神经网络加速运算的芯片主要有图形处理单元(GPU)、现场可编程逻辑门阵列(FPGA)、专用集成电路(ASIC)三大类，均基于传统的电芯片技术。随着摩尔定律发展减缓以及冯·诺依曼架构瓶颈凸显，传统电芯片技术面临着日益严重的能耗等问题。与电子相比，光子具有高速度、高带宽、低功耗的优势，因此通过光学芯片实现神经网络计算，可以有效的提升计算速度，降低计算功耗。

在现有的光学神经网络芯片方案中，多数利用光的幅度对输入数据和权重进行编码，光的幅度具有非负性，神经网络中的权重一般既有正值也有负值，需要进行芯片结构和计算方法的联合设计实现。并且，在神经网络计算中，除了输入数据和权重，偏置也有着重要的作用，在芯片的设计中，需要进行各部分的联合设计。

发明内容

本公开的主要目的在于提供一种光学神经网络芯片及其计算方法，以提高光学神经网络芯片的计算性能。

为实现上述目的，本公开实施例第一方面提供一种光学神经网络芯片，包括：光子权重模块，用于实现多个权重的编码，并基于所述多个权重的编码，调节输入信号中包括的多个不同波长的光信号的幅值，实现各波长的所述光信号表示的输入数据分别与所述多个权重的光学乘加计算；所述光子偏置模块，用于实现多个偏置的编码；所述光电探测器阵列，用于探测多个所述光学乘加计算与多个所述偏置一一对应的求和计算的结果；其中，所述输入信号分两次输入所述光学神经网络芯片，其中一次输入用于正值计算，另一次输入用于负值计算，所述正值计算的结果减去所述负值计算的结果所得结果表示一次计算所得结果。

可选地，所述光子权重模块包括N个横向波导和M个纵向波导，所述横向波导和所述纵向波导相互交叉，在每一个交叉处放置一个谐振器，共N*M个谐振器，所述输入信号通过各所述横向波导输入所述光子权重模块中。

可选地，包括：在所述光子权重模块中，每列谐振器中的所述谐振器互不相同，对多个所述权重进行编码，并分别调制所述输入信号中不同波长的光信号，实现所述不同波长的光信号表示的多个输入数据与多个所述权重一一对应的乘积计算；当实现所述多个输入数据与多个所述权重一一对应的乘积计算后，对表示所述乘积计算的光信号求和，实现不同输入数据与不同所述权重的乘积结果的加和计算；每列谐振器中对应位置的所述谐振器交错调制不同波长的所述光信号。

可选地，所述光子偏置模块包括：光源，用于产生偏置光信号；分束器，用于将所述偏置光信号分为多束后输出给光子偏置模块中的各列谐振器；多个偏置谐振器，各所述偏置谐振器与所述光子权重模块中的纵向波导的延伸对应连接，各所述谐振器各编码一个偏置。

可选地，所述光电探测器阵列包括多个光电探测器，与所述光子权重模块中的纵向波导一一对应连接，分两次探测所述权重模块的纵向波导上所述正值计算和所述负值计算的结果的光信号，所述正值计算和所述负值计算的结果的光信号的信号差表示所述求和计算的结果。