片上集成光子储备池结构及时间序列预测方法

本发明涉及储备池计算，尤其涉及一种片上集成光子储备池结构及时间序列预测方法。

背景技术：

1、近些年来,晶体管尺寸的缩小以及由此导致的集成电路中晶体管数量的指数级增长推动了计算机性能的提高，并导致了人工智能等相关应用的出现。然而晶体管尺寸的缩小已经开始接近其物理极限，面临着量子效应等相关问题的挑战。与此同时，传统硬件中被称为冯·诺依曼架构“存”、“算”分离的固有限制，导致其计算效率进一步提升受限等问题。

2、人工神经网络作为一种模仿人脑信息处理方式的数学模型，涉及到大量的并行计算和数据分布式处理，近年来在多个领域如目标识别、自然语言处理、自动驾驶和安全监控等方面取得了飞速的进步，其强大的信息处理能力使其成为仿生学中的一个成功典范。对于目前的神经网络可以分为两类。一种是前馈神经网络。在这类模型中，神经元被分为有前后顺序的层，且信号只向前传播。然而，由于这种只存在单项传播的结构并不能处理与时间相关的网络。而另一类是递归神经网络模型。递归神经网络之间的神经元可以相互连接，有一定的记忆功能，所以该模型可以用于解决与时间相关的任务。但是，这种递归结构存在梯度爆炸或消失的问题，同时对算法具有较高的要求，也对硬件的实施提出了更高的要求。

3、针对上述问题，储备池计算模型被提出。在各种人工神经网络架构种中，储备池计算具备只需要训练网络输出层的优势，同时也被证明适合以最低的训练成本处理复杂的时间序列数据。

4、储备池计算架构包括输入层、输出层和储备池层，目前的物理实现方案中均采用不同的器件和方式来实现该计算，例如使用忆阻器这类电子器件，或者光纤这种光学器件，这对于系统的集成性和工艺提出了挑战。同时上述架构利用非线性器件的固有差异来实现不同的储备池状态，这种方式使得系统在制备完成后，系统状态的丰富度就被固定，难以实现进一步的调整。

技术实现思路

1、对现有技术存在的缺陷，本发明提供一种片上集成光子储备池结构及时间序列预测方法。

2、为实现上述技术目的，本发明采用的具体技术方案如下：

3、一方面，本发明提供一种片上集成光子储备池结构，包括布置于片上的输入层、输出层和衍射储备池层；

4、所述输入层包括任务光输入波导、参考光输入波导、环路波导；所述任务光输入波导用于输入包含任务时间序列数据集的光信号；所述参考光输入波导用于输入振幅或相位经调制的光信号；所述环路波导用于输入上一时间步长输出的光信号；所述任务光输入波导、参考光输入波导、环路波导输入的光信号同时进入衍射储备池层；

5、所述衍射储备池层包括预设组数的衍射槽结构，用于将输入层输入的光信号进行衍射处理；

6、所述输出层用于输出经衍射处理的光信号，包括y型波导、输出波导；所述y型波导输入端与衍射储备池层相接，y型波导输出端的一端与环路波导相接，y型波导输出端的另一端与输出波导相接。

7、进一步地，所述参考光输入波导输入的光信号按照预设周期进行振幅或相位调制。

8、进一步地，还包括光放大器，用于增强环路光信号光强，所述光放大器布置在环路波导与y型波导之间。

9、进一步地，所述衍射槽结构呈亚波长结构，能够实现0-2π相移，各衍射槽结构的宽度均相等。

10、进一步地，所述衍射槽结构由长度不同的衍射槽构成。

11、进一步地，还包括驱动激光器和调制器，所述驱动激光器用于产生输入光信号，所述调制器用于对输入光信号的振幅或相位进行调制；所述驱动激光器与调制器输入端相接，调制器输出端分别与任务光输入波导、参考光输入波导相接。

12、进一步地，还包括光电探测器，所述光电探测器与输出波导的输出端相接，用于收集记录输出波导输出的每一时间步长的光信号。

13、进一步地，通过全连接神经网络算法、岭回归算法、线性回归算法并结合输出波导输出的光信号对目标信号进行训练，从而获得输出权重。

14、进一步地，所述参考光输入波导包括第一参考光输入波导和第二参考光输入波导。

15、另一方面，本发明还提供一种片上集成光子储备池结构的时间序列预测方法，包括以下步骤：

16、s1、获取包含任务时间序列数据集的振幅或相位；

17、s2、根据包含任务时间序列数据集的振幅或相位对输入任务光输入波导的信号光进行振幅或相位调制；

18、s3、按照预设周期对输入参考光输入波导的信号光进行振幅或相位调制；

19、s4、将任务光输入波导、参考光输入波导、环路波导的光信号同时输入衍射储备池层，并收集记录输出波导输出的每一时间步长的光信号；

20、s5、通过算法及输出波导输出的光信号对目标信号进行训练，获得输出权重；

21、s6、保持输出权重不变，继续收集记录输出波导输出的每一时间步长的光信号，将输出权重施加至收集记录的光信号上，得到所需的预测序列信息。

22、相较于现有技术，本发明的有益效果在于:

23、本发明提供了一种片上集成光子储备池结构及时间序列预测方法，通过参考光输入波导输入振幅或相位按照预设周期的光信号，实现了对确定的储备池结构的内部状态丰富度调节，丰富了衍射储备池层内部状态；且本发明的衍射储备池层由预设组数的衍射槽结构组成，光信号进入衍射储备池层后，依次通过多组衍射槽结构进行衍射，使得衍射储备池层内部状态足够丰富。

24、本发明通过环路波导输入上一时间步长输出的光信号，让上一时间步长输出的光信号支撑当前时间步长输出的光信号，即让历史数据对预测数据提供支撑，从而使片上集成光子储备池结构具有记忆性。

25、本发明在结构上采用片上衍射的结构，将光子储备池集成到片上，同时极大提高了物理节点的密度，增强了储备池的计算能力，提高了储备池的鲁棒性。

26、本发明在整个时间序列预测过程中均使用光信号进行计算，极大的降低了系统的能耗。

技术特征：

1.一种片上集成光子储备池结构，其特征在于，包括布置于片上的输入层、输出层和衍射储备池层；

2.如权利要求1所述的片上集成光子储备池结构，其特征在于，所述参考光输入波导输入的光信号按照预设周期进行振幅或相位调制。

3.如权利要求1所述的片上集成光子储备池结构，其特征在于，还包括光放大器，用于增强环路光信号光强，所述光放大器布置在环路波导与y型波导之间。

4.如权利要求1所述的片上集成光子储备池结构，其特征在于，所述衍射槽结构呈亚波长结构，能够实现0-2π相移，各衍射槽结构的宽度均相等。

5.如权利要求4所述的片上集成光子储备池结构，其特征在于，所述衍射槽结构由长度不同的衍射槽构成。

6.如权利要求1所述的片上集成光子储备池结构，其特征在于，还包括驱动激光器和调制器，所述驱动激光器用于产生输入光信号，所述调制器用于对输入光信号的振幅或相位进行调制；所述驱动激光器与调制器输入端相接，调制器输出端分别与任务光输入波导、参考光输入波导相接。

7.如权利要求1所述的片上集成光子储备池结构，其特征在于，还包括光电探测器，所述光电探测器与输出波导的输出端相接，用于收集记录输出波导输出的每一时间步长的光信号。

8.如权利要求7所述的片上集成光子储备池结构，其特征在于，通过全连接神经网络算法、岭回归算法、线性回归算法并结合输出波导输出的光信号对目标信号进行训练，从而获得输出权重。

9.如权利要求1所述的片上集成光子储备池结构，其特征在于，所述参考光输入波导包括第一参考光输入波导和第二参考光输入波导。

10.一种片上集成光子储备池结构的时间序列预测方法，其特征在于，包括以下步骤：

技术总结
本发明提供了片上集成光子储备池结构及时间序列预测方法，包括布置于片上的输入层、输出层和衍射储备池层；输入层包括任务光输入波导、参考光输入波导、环路波导；任务光输入波导、参考光输入波导、环路波导输入的光信号同时进入衍射储备池层；衍射储备池层包括预设组数的衍射槽结构；输出层用于输出经衍射处理的光信号，包括Y型波导、输出波导；Y型波导输入端与衍射储备池层相接，Y型波导输出端的一端与环路波导相接，Y型波导输出端的另一端与输出波导相接。本发明通过参考光输入波导输入振幅或相位按照预设周期的光信号，并且设计预设组数的衍射槽结构组成衍射储备池层，丰富了衍射储备池层内部状态并可调节。

技术研发人员：符庭钊,原灏栋,张检发,刘嘉豪,朱志宏
受保护的技术使用者：中国人民解放军国防科技大学
技术研发日：
技术公布日：2025/3/16