[发明专利]神经网络计算方法及光子神经网络芯片架构

说明书

本公开提供了一种神经网络计算方法及光子神经网络芯片架构，可以应用于人工智能技术领域、计算机芯片技术领域。通过电子逻辑芯片，接收与神经网络中的每一个计算层对应的计算任务，将计算任务划分为P个子计算任务，其中，P为正整数；通过电子逻辑芯片向Q个光子神经网络核心发送P个子计算任务，其中，Q为正整数，光子神经网络核心通过至少一种精度进行计算；通过Q个光子神经网络核心对每个子计算任务计算得到对应的子计算结果；基于每个子计算结果，通过电子逻辑芯片确定计算层的计算结果；根据神经网络中每一个计算层的计算结果，确定神经网络的输出结果。

技术领域

本公开涉及人工智能技术领域、计算机芯片技术领域，更具体地，涉及一种神经网络计算方法及光子神经网络芯片架构。

背景技术

随着光子技术迅速发展，光子神经网络芯片凭借光子作为信息传输载体的高带宽、低时延和低损耗特性，加速了神经网络模型中的推理运算过程，突破传统电子芯片的计算框架，但是通过光子神经网络进行高精度模拟计算时，会产生较高的功耗，不利于光子神经网络的发展。

在实现本公开构思的过程中，发明人发现相关技术中至少存在如下问题：如何解决光子模拟计算性能和计算功耗之间的平衡问题。

发明内容

有鉴于此，本公开提供了一种神经网络计算方法及光子神经网络芯片架构。

本公开的一个方面提供了一种神经网络计算方法，包括：

通过电子逻辑芯片，接收与神经网络中的每一个计算层对应的计算任务，将所述计算任务划分为P个子计算任务，其中，P为正整数；通过所述电子逻辑芯片向Q个光子神经网络核心发送P个所述子计算任务，其中，Q为正整数，所述光子神经网络核心通过至少一种精度进行计算；通过Q个所述光子神经网络核心对每个所述子计算任务计算得到对应的子计算结果；基于每个所述子计算结果，通过所述电子逻辑芯片确定所述计算层的计算结果；根据所述神经网络中每一个计算层的所述计算结果，确定所述神经网络的输出结果。

根据本公开的实施例，其中，所述光子神经网络核心包括核心缓存单元、数模转换器阵列和光子计算单元，所述通过Q个所述光子神经网络核心对所述子计算任务计算得到对应的子计算结果，包括：针对每个所述光子神经网络核心，通过所述核心缓存单元接收所述子计算任务并发送到所述数模转换器阵列；所述数模转换器阵列将所述子计算任务的第一数字电信号转换为第一模拟电信号发送到所述光子计算单元；通过所述光子计算单元对所述子计算任务计算得到对应的所述子计算结果。

根据本公开的实施例，其中，所述光子计算单元包括激光器、调制器阵列和探测器阵列，所述通过所述光子计算单元对所述子计算任务计算得到对应的所述子计算结果，包括：通过所述调制器阵列接收所述子计算任务的第一模拟电信号和所述激光器发出的恒定光信号；根据所述恒定光信号对所述子计算任务进行计算得到对应的所述子计算结果的第一光信号；通过所述探测器阵列将所述第一光信号转换为所述子计算结果的第二模拟电信号。

根据本公开的实施例，其中，所述光子神经网络核心包括模数转换器阵列，所述基于每个所述子计算结果，通过所述电子逻辑芯片确定所述计算层的计算结果，包括：通过所述模数转换器阵列接收所述光子计算单元发送的子计算结果的第二模拟电信号并转换为第二数字电信号；通过所述模数转换器阵列将所述第二数字电信号发送至所述电子逻辑芯片，以确定所述计算层的所述计算结果。

根据本公开的实施例，其中，所述计算层包括卷积神经网络的卷积层，所述通过电子逻辑芯片，接收与神经网络中的每一个计算层对应的计算任务，将所述计算任务划分为P个子计算任务，包括：通过所述电子逻辑芯片，接收与所述卷积神经网络中的每一个所述卷积层对应的所述计算任务，将所述计算任务划分为P个子计算任务，其中，所述计算任务包括对输入图像和所述卷积层的卷积核进行计算。