[发明专利]一种光学神经网络全光非线性激活层及其实现方法

说明书

本发明公开了一种光学神经网络全光非线性激活层及其实现方法。本发明通过将MZI波导构型与石墨烯异质增强的Bi₂Te₃非线性材料相结合，利用片上波导结构设计进一步放大石墨烯异质增强的Bi₂Te₃材料的非线性响应，完成了片上集成非线性激活层的设计，实现了片上集成波导中进行光学非线性计算，解决了光学非线性材料非线性程度较弱的问题，扩展了光学神经网络的功能，为多层纯光学神经网络的使用提供了可能；本发明提出的光学非线性激活层不仅能够用于片上集成光学神经网络，还能够用于其他集成光学信号处理平台中需要使用非线性计算的场景，且响应速度极快，能够满足低能耗高速计算的需求。

技术领域

本发明涉及光学信号处理技术，具体涉及一种用于片上光学神经网络中全光非线性激活层的设计和实现方法。

背景技术

在大部分现有片上集成波导的光学神经网络及其他片上光学计算平台设计中的主要结构为分束波导单元及级联的马赫曾德干涉仪Mach-Zehnder interferometers(MZI)，其只适用于线性计算。由于线性计算的叠加仍然是线性计算，上述设计无论总层数如何，它的计算结果都可以等同于一次矩阵乘法操作，参数范围受限，不能满足神经网络对数据进行拟合的需求。故此种光学神经网络依赖于后续信息处理过程中在电子电路中进行进一步的非线性计算，不能在光学平台上集成完整的神经网络的功能。目前光学非线性材料的非线性响应较弱，对信号的调制深度不够；另外，超快的响应时间和巨大的非线性之间常常呈现出一种固有的折衷，使得较大的非线性系数通常只能以较慢的响应时间为代价。所以在大规模光硬件平台的移植过程中很难实现高效可行的非线性计算，因此光学非线性激活层只停留在理论概念，还不能实现现实应用。

另一部分片上光学神经网络设计中使用相变材料来引入非线性计算，例如锗锑碲合金(GST)。具体实现为将GST材料覆盖于波导上，由于GST材料非晶态透光率较高，而晶态透光率较低，且在光的热效应影响下可使用弱脉冲加热材料使之从非晶态复原为晶态，也可以用强脉冲快速加热后冷却使之从晶态转换为非晶态，在此两种状态之间存在一个临界光强，在此临界光强以上才会发生GST材料晶态向非晶态转化的过程，且转化率与光强正相关。因此可以使用此种材料相变的临界光强为波导中传播的光强设定阈值，当且仅当脉冲总强度超过这一阈值时才能通过材料，由此进行非线性计算。但是此种相变材料具有非易失性，如果上一次脉冲超过阈值使之进入非晶态，则需要额外输入能量复位至晶态，因而不能连续进行操作，响应时间和能耗都不能满足高速计算的需求。

在光学平台上难以进行非线性计算的原因在于材料的全光非线性效应较弱，缺乏具备足够强的非线性材料，难以在片上集成器件中实现较强的非线性效应；而可以用于非线性计算的GST材料具有非易失特性，同样不适用于快速响应的高效计算。因此，目前对于意在硬件平台实现具有超快时间响应和超低能耗的光学神经网络来说，全光非线性激活层的真正引入还是一个亟待解决的问题。

发明内容

针对以上现有技术中存在的问题，本发明提出了一种基于Bi₂Te₃材料的光学神经网络全光非线性激活层，解决了光学非线性材料非线性响应较弱的问题，扩展了光学神经网络的功能，为多层纯光学神经网络的实现提供了可能。

本发明的一个目的在于提出一种基于Bi₂Te₃材料的光学神经网络全光非线性激活层。