[发明专利]光学非线性激活单元、方法和光子神经网络

说明书

光学非线性激活单元，包括：第一偏振态控制器，调整具有输入光功率的输入光信号的偏振态；半导体光放大器，引起来自第一偏振态控制器的输入光信号的自偏振旋转；第二偏振态控制器，调整来自半导体光放大器的输入光信号的偏振态；以及偏振分束器，将来自第二偏振态控制器的输入光信号分束为经由水平偏振态输出端口输出的第一光信号和经由垂直偏振态输出端口输出的第二光信号，第一偏振态控制器和第二偏振态控制器被配置为使得：对于具有第一值的输入光功率，第二偏振态控制器的输出光学信号被设置为目标偏振态，并且对于具有第二值的输入光功率，第一光信号具有第一非线性函数的输出光功率，并且第二光学信号具有第二非线性函数的输出光功率。

技术领域

本公开涉及光学神经网络领域，特别是涉及一种光学非线性激活单元、光学非线性激活函数的实现方法、光子神经网络。

背景技术

在现在人工智能最热门的深度学习中，其运算过程主要涉及两个部分：矩阵乘法和非线性激活函数。非线性是神经网络具备强大表达能力的根源，可以加快网络的收敛速度、提升识别的准确率，使得神经网络可以解决复杂的非线性问题，是神经网络中不可或缺的组成部分。常用的非线性激活函数包括sigmoid、tanh、softplus、ReLU等。

用光来完成深度学习算法，其本质在于用光来实现矩阵乘法和非线性激活函数。光学非线性激活单元对来自光学矩阵乘法单元的信号光进行非线性变换运算，本质上是在模拟神经元的功能。在相关技术中，非线性激活函数运算一般在电域中进行。如何在光域中实现非线性激活函数仍然具有广阔的研究前景。

发明内容

提供一种缓解、减轻或者甚至消除上述问题中的一个或多个的机制将是有利的。

根据本公开的一方面，提供了一种光学非线性激活单元，包括：第一偏振态控制器，被配置为调整输入光学信号的偏振态，输入光学信号具有输入光功率；半导体光放大器，与第一偏振态控制器光学耦接，被配置为引起来自第一偏振态控制器的输入光学信号的自偏振旋转；第二偏振态控制器，与半导体光放大器光学耦接，被配置为调整来自半导体光放大器的输入光学信号的偏振态；以及偏振分束器，与第二偏振态控制器光学耦接，被配置为将来自第二偏振态控制器的输入光学信号分束为经由偏振分束器的水平偏振态输出端口输出的第一光学信号和经由偏振分束器的垂直偏振态输出端口输出的第二光学信号，其中，第一偏振态控制器和第二偏振态控制器被配置为使得：对于具有第一值的输入光功率，第二偏振态控制器的输出光学信号被设置为目标偏振态，并且对于具有不同于第一值的第二值的输入光功率，第一光学信号具有作为输入光功率的第一非线性函数的输出光功率，并且第二光学信号具有作为输入光功率的第二非线性函数的输出光功率。

根据本公开的另一方面，提供了一种光子神经网络，包括如上所述的光学非线性激活单元。

根据本公开的另一方面，提供了一种实现光学非线性激活函数的方法，包括：由第一偏振态控制器调整输入光学信号的偏振态，输入光学信号具有输入光功率；由半导体光放大器引起来自第一偏振态控制器的输入光学信号的自偏振旋转；由第二偏振态控制器调整来自半导体光放大器的输入光学信号的偏振态；由偏振分束器将来自第二偏振态控制器的输入光学信号分束为经由偏振分束器的水平偏振态输出端口输出的第一光学信号和经由偏振分束器的垂直偏振态输出端口输出的第二光学信号；以及调整第一偏振态控制器和第二偏振态控制器，以使得：对于具有第一值的输入光功率，第二偏振态控制器的输出光学信号被设置为目标偏振态，并且对于具有不同于第一值的第二值的输入光功率，第一光学信号具有作为输入光功率的第一非线性函数的输出光功率，并且第二光学信号具有作为输入光功率的第二非线性函数的输出光功率。

根据在下文中所描述的实施例，本公开的这些和其它方面将是清楚明白的，并且将参考在下文中所描述的实施例而被阐明。

附图说明

在下面结合附图对于示例性实施例的描述中，本公开的更多细节、特征和优点被公开，在附图中：

图1是根据本公开示例性实施例的光学非线性激活单元的结构的示意性框图；