[发明专利]使用光学数据进行机器学习的方法和系统

说明书

本公开提供了一种系统，该系统可以包括光源以及与该光源耦合的可调节空间光调制器。所述系统还可以包括与可调节空间光调制器耦合的介质。所述系统还可以包括与光源和可调节空间光调制器耦合的分束器。分束器可以使用光源生成第一光学信号和第二光学信号。所述系统还可以包括与分束器和介质耦合的光学检测器。光学检测器可以获得包括所得光学信号以及第二光学信号的组合光学信号。通过使用可调节空间光调制器，可以以预定的空间光调制通过介质传输第一光学信号来产生所得光学信号。

相关申请的交叉引用

本申请要求2020年3月11日提交的标题为“使用光学数据进行机器学习的方法和系统”的美国专利申请第16/815,822号的优先权，其内容通过援引加入本文。

技术领域

本公开涉及一种使用光学数据进行机器学习的方法和系统。

背景技术

机器学习是用于逼近复杂求解的重要技术。例如，可以使用训练数据集在迭代过程中对模型进行训练以预测真实数据。然而，为了生成具有足够准确度的模型，机器学习算法可能需要大规模的数据集和计算能力。

发明内容

总体上，在一个方面，本发明的一个或多个实施例涉及一种系统，该系统包括光源以及与该光源耦合的可调节空间光调制器。所述系统还包括与所述可调节空间光调制器耦合的介质。所述系统还包括与所述光源和所述可调节空间光调制器耦合的分束器。所述分束器可以使用所述光源生成第一光学信号和第二光学信号。所述系统还包括与所述分束器和所述介质耦合的光学检测器。所述光学检测器获得包括所得光学信号以及所述第二光学信号的组合光学信号。通过使用所述可调节空间光调制器，可以以预定的空间光调制通过所述介质传输所述第一光学信号来产生所述所得光学信号。

在一些实施例中，一种系统可以包括与所述光学检测器和所述可调节空间光调制器耦合的控制器。所述所得光学信号可以基于关于电子模型的误差数据生成。所述控制器可以基于所述组合光学信号，通过使用多个合成梯度来训练所述电子模型。所述可调节空间光调制器可以是数字微镜器件，所述数字微镜器件可以从所述控制器接收控制信号。所述控制信号可以根据所述误差数据调整所述预定的空间调制。所述电子模型可以是包括三个或更多隐藏层的深度神经网络。可以使用直接反馈对齐算法来训练电子模型。所述控制器可以是专用集成电路(ASIC)。

在一些实施例中，所述系统中的介质可以是漫射物理介质。所述光源可以是生成连续波(CW)信号的激光设备。所述预定的空间光调制对应于输入光学信号的二维空间分布内的一位置处的振幅变化。相位调制系统可以与所述第一分束器和所述光学检测器耦合。所述第二光学信号是由所述相位调制系统进行相移的参考光学信号。

在一些实施例中，所述系统可以包括与所述光源和所述光学检测器耦合的干涉仪。所述干涉仪可以包括第一干涉仪臂，该第一干涉仪臂通过使用所述可调节空间光调制器将所述第一光学信号传输至所述介质。所述干涉仪可以包括第二干涉仪臂，该第二干涉仪臂将所述第二光学信号传输至第二分束器。所述所得光学信号与所述第二光学信号可以在所述第二分束器中进行组合以产生所述组合光学信号。

在一些实施例中，所述光学检测器可以是包括各种互补金属氧化物半导体(CMOS)传感器的照相设备。所述光学检测器可以使用所述组合光学信号来生成光学图像。

总体上，在一个方面，本发明的一个或多个实施例涉及一种方法，该方法包括通过使用计算机处理器，使用训练数据以及由电子模型生成的预测数据来确定所述电子模型的误差数据。所述方法还包括通过所述计算机处理器，从光学检测器获得关于组合光学信号的光学数据，所述组合光学信号包括参考光学信号和所得光学信号。基于所述误差数据，以预定的光调制通过介质传输光学信号来产生所述所得光学信号。所述方法还包括通过使用所述计算机处理器，基于所述光学数据、所述电子模型以及所述训练数据来确定各种合成梯度。所述方法还包括通过使用所述计算机处理器，使用所述合成梯度来更新所述电子模型。