[发明专利]用于光学神经网络的光学模拟矩阵乘法器

说明书

本公开提供了用于光学神经网络的光学模拟矩阵乘法器。本公开的实施例针对的是这样的技术和装置：该装置包括ONN的至少一层，其中包括在半导体衬底中提供的光学矩阵乘法器，以接收多个光学信号输入并且将多个光学信号输入线性地变换为多个光学信号输出。光学矩阵乘法器包括：在光学上互连以实现矩阵的奇异值分解(SVD)的一个或多个2×2幺正光学矩阵；以及非线性光学器件，其与半导体衬底中的光学矩阵乘法器耦合，以接收光学信号输出，并且提供光学输出，该光学输出是响应于光学矩阵乘法器的光学信号输出达到饱和或衰减而以非线性方式生成的。可描述和要求保护额外的实施例。

技术领域

本公开的实施例概括而言涉及光电子和光学神经网络处理器的领域，更具体而言涉及用于光学神经网络的矩阵乘法器的技术和配置。

背景技术

机器学习体系结构通常基于人工神经网络(artificial neural network，ANN)。传统的基于互补金属氧化物半导体(complementary metal oxide semiconductor，CMOS)的ANN在计算速度和功率效率方面可能是受限的。光学神经网络(optical neuralnetwork，ONN)是使用光学组件作为构建块的ANN的物理实现。ONN的基本构建块通常包括相互连接的马赫-曾德尔干涉仪(Mach-Zehnder interferometer，MZI)，其对光学信号的阵列执行幺正变换(unitary transformation)。

发明内容

根据本公开的一方面，提供一种用于光学神经网络ONN的装置，置包括所述ONN的至少一层，所述至少一层包括：在半导体衬底中提供的光学矩阵乘法器，用以接收多个光学信号输入并且将多个光学信号输入线性地变换为多个光学信号输出，其中光学矩阵乘法器包括一个或多个2×2幺正光学矩阵，2×2幺正光学矩阵在光学上互连以实现矩阵的奇异值分解SVD；以及与半导体衬底中的光学矩阵乘法器耦合的非线性光学器件，用以接收光学信号输出并且提供光学输出，该光学输出是响应于光学矩阵乘法器的光学信号输出达到饱和而以非线性方式生成的。

根据本公开的另一方面，提供一种光学神经网络ONN集成电路IC，包括：半导体衬底中的光源的阵列，用以生成光信号的阵列；与光源耦合的多个光学调制器，用以将数据调制到光信号的阵列上以生成多个光学信号输入；在半导体衬底中提供的光学矩阵乘法器，用以将多个光学信号输入线性地变换为多个光学信号输出，其中光学矩阵乘法器包括一个或多个2×2幺正光学矩阵，2×2幺正光学矩阵在光学上互连以实现矩阵的奇异值分解SVD；以及与半导体衬底中的光学幺正矩阵乘法器耦合的非线性光学器件，用以提供光学输出，该光学输出是响应于光学幺正矩阵乘法器的光学信号输出达到饱和或衰减而以非线性方式生成的。

根据本公开的又一方面，提供一种结合光学神经网络ONN使用的计算设备，包括：处理器；以及ONN装置，该ONN装置与处理器耦合，用以从处理器接收数据，其中该ONN装置包括：光学矩阵乘法器，用以接收用数据调制的光学信号输入的阵列并且将光学信号输入的阵列线性地变换为光学信号输出的阵列，其中光学矩阵乘法器包括一个或多个2×2幺正光学矩阵，2×2幺正光学矩阵在光学上互连以实现矩阵的奇异值分解SVD；以及与半导体衬底中的光学矩阵乘法器耦合的非线性光学器件，用以提供光学输出，该光学输出是响应于光学矩阵乘法器的光学信号输出达到饱和而以非线性方式生成的。

附图说明

通过接下来的详细描述结合附图将容易理解实施例。为了帮助此描述，相似的附图标记指定相似的结构元素。在附图中以示例方式而非限制方式图示了实施例。

图1根据各种实施例示出了ONN的示例，其包括线性光学相干矩阵乘法器和非线性光学器件的层。

图2根据各种实施例示出了在参考图1描述的ONN的每一层使用的示例非线性光学器件。

图3根据各种实施例图示了使用带有移相器的光学耦合器的示例矩阵乘法器实现方式。