[发明专利]一种基于边模光注入DFB的光子脉冲神经元实现方法

说明书

本发明公开了一种基于边模光注入DFB的光子脉冲神经元实现方法，包括：设置DFB工作在目标偏置电流；向DFB注入目标功率的光调制信号，以使DFB被激发出神经元特性对光调制信号进行非线性响应运算，并使DFB输出光子脉冲神经元的运算结果；目标偏置电流大于DFB的激发阈值电流；光调制信号的载波为目标波长的CW信号，且光调制信号携带的调制信息以CW信号的瞬时功率下降来表示；目标波长与目标边模波长之间的距离为0nm～0.2nm，目标边模波长是从DFB在自由运行状态下输出的若干个边模波长中所选取的；目标功率至少确保CW信号能够使DFB进入注入锁定状态。本发明为实现光域的非线性计算提供了较好的解决方案。

技术领域

本发明属于光计算领域，具体涉及一种基于边模光注入DFB(分布式反馈半导体激光器)的光子脉冲神经元实现方法。

背景技术

机器学习和人工智能的快速发展产生了大量需实时处理的数据。基于传统冯-诺伊曼架构的处理器难以满足日益增长的需求。神经形态计算已成为一种非冯·诺伊曼计算范式，并取得了显著的进展。光子神经形态计算在速度与能效方面表现出显著的优势，但仍处于起步阶段。近年来，光子神经形态芯片的成功演示，主要局限于权值、矩阵乘法的实现。其中，光学线性计算已取得重大进展，但光学非线性计算仍是重大挑战。

现有技术中，基于集成DFB的光子脉冲神元对数据进行非线性运算时，需要通过调节DFB的偏置电流来将信息通过电光调制的方式加载到光子脉冲神元上进行计算。然而，这样做就将电光调制引入到计算过程中，不属于在光域进行的非线性计算，会导致光子脉冲神经网络所在系统的处理速度延迟，且引入了额外的功耗。

发明内容

为了解决现有技术中所存在的上述问题，本发明提供了一种基于边模光注入DFB的光子脉冲神经元实现方法。

本发明要解决的技术问题通过以下技术方案实现：

一种基于边模光注入DFB的光子脉冲神经元实现方法，包括：

设置DFB工作在目标偏置电流；

向DFB注入目标功率的光调制信号，以使DFB被激发出神经元特性对所述光调制信号进行非线性响应运算，并使DFB输出光子脉冲神经元的运算结果；

其中，

所述目标偏置电流大于DFB的激发阈值电流；

所述光调制信号的载波为目标波长的CW信号，且所述光调制信号携带的调制信息以所述CW信号的瞬时功率下降来表示；所述目标波长与目标边模波长之间的距离为0nm～0.2nm，所述目标边模波长是从DFB在自由运行状态下输出的若干个边模波长中所选取的；

所述目标功率至少确保所述CW信号能够使DFB进入注入锁定状态。

可选地，所述神经元特性，包括：光子脉冲神经元的阈值特性、时域累积特性以及不应期特性。

可选地，所述目标偏置电流的定标方式，包括：

设置DFB的偏置电流由小至大变化，同时检测DFB的输出功率；

当DFB被激发从而输出功率时，对应的偏置电流为所述激发阈值电流；

根据所述激发阈值电流标定所述目标偏置电流。

可选地，所述目标波长的定标方式，包括：

设置DFB的偏置电流为所述目标偏置电流；

令DFB工作在自由运行状态下，并检测DFB的输出光谱；

从所述输出光谱中，选取主峰波长左侧的4个边模波长以及主峰波长右侧的4个边模波长中的一个作为所述目标波长。