[发明专利]一种光学储层计算系统及方法

说明书

本发明公开了一种光学储层计算系统及方法。其中系统为：K个输入层非线性光学元件、J个储能层可调谐滤波器、L个输出层非线性光学元件、S个反馈层可调谐滤波器和R个计算逻辑控制单元，在入射的N路泵浦光信号作用下产生非线性光学效应，以及对泵浦光信号、输入光信号和反馈光信号进行属性调整，并合路出射为探测光信号，再转换为探测电信号，从而通过将非线性光学元件、可调谐滤波器引入光学储层计算网络后，每个层通过少量的器件便能达到实现该层系统功能的基本要求，而只要器件能实现上述各层功能，便可只用较少的元器件实现光学RC网络，从而提高了各元器件的利用程度，提升了光学RC网络的计算性能。

技术领域

本申请涉及光学储层计算领域，尤其涉及一种光学储层计算系统及方法。

背景技术

近年来，神经网络取得了显著的进展，神经网络越来越广泛地服务于现实世界。神经网络的网络结构通常分为前馈神经网络和递归神经网络。递归神经网络适合动态数据处理，递归神经网络中包括储层计算(Reservoir Computing，RC)网络。RC网络的主要特点是，输入权重和储层权重是固定的，只需训练出输出权重即可，极大缩短了训练时间和降低了训练难度，并且能够同时执行多项任务，因此RC网络在动态预测中具有较佳的预测效果。

而光学RC网络中，其信息以光速传输，具有速度快、带宽需求大且功耗低等特性。目前，研究人员已经提出了一些光学系统来实现光学RC网络，但这些光学RC网络的结构较复杂，如由于要处理大矩阵的权重系数，每个元素的运算都需要一个芯片来实现，仅芯片便需要达到上百甚至上千个，导致光学RC网络的计算性能较低，这是一个亟待解决的问题。

发明内容

本申请提供一种光学储层计算系统及方法，用于提升光学RC网络的计算性能。

第一方面，本申请提供一种光学储层计算系统，包括：K个输入层非线性光学元件、J个储能层可调谐滤波器、L个输出层非线性光学元件、S个反馈层可调谐滤波器和R个计算逻辑控制单元，所述K、J、L、S和R均为正整数；

第一非线性光学元件，用于在入射的N路泵浦光信号作用下产生非线性光学效应，将入射的一路输入光信号转换为频率不同的P路输入光信号出射，和\或将入射的一路反馈光信号转换为频率不同的P路反馈光信号出射，以及将产生非线性光学效应后的N路泵浦光信号出射，所述第一非线性光学元件为所述K个输入层非线性光学元件中任一非线性光学元件，N，P为正整数；

第一可调谐滤波器，用于对所述第一非线性光学元件出射的N路泵浦光信号进行属性调整后出射，将所述第一非线性光学元件出射的P路输入光信号出射，和\或将所述第一非线性光学元件出射的P路反馈光信号进行属性调整后出射，所述属性包括相位、振幅和偏振中的至少一项，所述第一可调谐滤波器为所述J个储能层可调谐滤波器中任一可调谐滤波器；

第二非线性光学元件，用于在所述第一可调谐滤波器出射P路输入光信号时，在所述第一可调谐滤波器出射的泵浦光信号的作用下产生非线性光学效应，将所述第一可调谐滤波器出射的P路输入光信号进行属性调整后出射，以及在所述第一可调谐滤波器出射P路反馈光信号时进行属性调整后出射，所述第二非线性光学元件为所述L个输出层非线性光学元件中任一非线性光学元件；

第二可调谐滤波器，用于过滤掉所述第一可调谐滤波器和\或所述第二非线性光学元件出射的泵浦光信号，以及将所述第二非线性光学元件出射的输入光信号、所述第一可调谐滤波器或所述第二非线性光学元件出射的反馈光信号配对，将配对的反馈光信号和输入光信号合路出射为一路探测光信号，所述第二可调谐滤波器为所述S个反馈层可调谐滤波器中任一可调谐滤波器；

第一计算逻辑控制单元，用于将所述第二可调谐滤波器出射的任一路探测光信号转换为一路探测电信号，所述第一计算逻辑控制单元为R个计算逻辑控制单元中任一计算逻辑控制单元。