光电器件单元、光电神经网络以及计算模组的制作方法

本发明涉及光电，尤其涉及一种光电器件单元、光电神经网络以及计算模组。

背景技术：

1、传统人工智能主要是通过计算来实现的，即通过编程等手段实现机器智能，尤其是深度学习，作为目前广泛应用的技术，通过采用多层权重求和加非线性激活的方式来构造前馈神经网络实现智能识别，目标检测，数据分析等功能。这种技术涉及到大量的线性乘加操作，需要消耗大量的计算资源，给目前的电子计算芯片带来了极大的性能和功耗挑战。

2、在现有技术中，为了实现计算加速，可以引入光子算力，进行光电融合的人工智能运算。然而，现有的光电融合人工智能芯片都存在可重构性差、可扩展性不足、计算能效远低于理论值等问题，难以进行大规模应用。

技术实现思路

1、本发明解决的技术问题是提供一种光电器件单元、光电神经网络以及计算模组，可以实现向光电器件单元的各个边所在的方向均可输入输出数据。

2、为解决上述技术问题，本发明实施例提供一种光电器件单元，包括：2k个光学干涉单元，每个光学干涉单元中包含第一干涉波导和第二干涉波导；其中，各个光学干涉单元之间经由所述第一干涉波导或第二干涉波导连接，每个光学干涉单元的不同的干涉波导分别连接至不同的光学干涉单元，且相连的干涉波导的非相连端分别延伸至所述光电器件单元的同一条边，以分别作为该边的输入端口和输出端口；k为正整数，且k≥2。

3、可选的，每个光学干涉单元的第一干涉波导具有移相器件，第二干涉波导不具有移相器件；其中，各个光学干涉单元之间第一干涉波导与第一干涉波导相连，第二干涉波导与第二干涉波导相连。

4、可选的，每个光学干涉单元的第一干涉波导和第二干涉波导均具有移相器件。

5、可选的，所述光学干涉单元为马赫-增德尔尔干涉仪mzi，所述mzi的两条干涉臂分别作为所述第一干涉波导和第二干涉波导。

6、可选的，所述光学干涉单元为包括两条直波导的微环谐振器，所述两条直波导分别作为所述第一干涉波导和第二干涉波导；其中，所述两条直波导相互平行，所述微环谐振器的微环位于所述两条直波导之间。

7、可选的，所述2k个光学干涉单元的排列形状选自：矩形、六边形、八边形。

8、为解决上述技术问题，本发明实施例提供一种光电神经网络，包括：一个或多个矩阵网络，每个矩阵网络包含多个如上述的光电器件单元。

9、可选的，所述的光电神经网络还包括：调制器阵列，与所述矩阵网络中的各个光电器件单元的输入端口耦接，并将待处理信号调制为光学调制信号后输入所述矩阵网络。

10、可选的，所述的光电神经网络还包括：探测器，与所述矩阵网络中的各个光电器件单元的输出端口耦接，并对所述光电器件单元输出的光学信号进行光电转换。

11、可选的，所述光电神经网络对所述探测器接收到的输出光与所述调制器阵列生成的输入光进行相干处理。

12、为解决上述技术问题，本发明实施例提供一种计算模组，包括：光芯片，所述光芯片集成有一个或多个如上述的光电神经网络；电芯片，用于对所述光芯片的电学性能进行控制。

13、与现有技术相比，本发明实施例的技术方案具有以下有益效果：

14、在本发明实施例中，各个光学干涉单元之间经由所述第一干涉波导或第二干涉波导连接，每个光学干涉单元的不同的干涉波导分别连接至不同的光学干涉单元，且相连的干涉波导的非相连端分别延伸至所述光电器件单元的同一条边，以分别作为该边的输入端口和输出端口，可以实现向光电器件单元的各个边所在的方向均可输入输出数据，以此光电器件单元为基础，可以按照阵列无限扩展形成任意规模的矩阵，有效提高重构性和可扩展性，进而提高计算能效。

15、进一步，每个光学干涉单元的第一干涉波导具有移相器件，第二干涉波导不具有移相器件，从而可以对两个干涉波导中的一个，调节相位参数φ和/或幅度参数θ，使光学干涉单元的输出信号差值满足实际需求。

16、进一步，每个光学干涉单元的第一干涉波导和第二干涉波导均具有移相器件，从而可以对两个干涉波导的相位参数φ和/或幅度参数θ同时进行调节，在使光学干涉单元的输出信号差值满足实际需求的同时，还能够控制信号的实际大小。

17、进一步，所述光学干涉单元可以为mzi，还可以为微环谐振器，从而可以借助光的高带宽，低时延和低能耗的优势，完成计算功能。

18、进一步，在本发明实施例中，提供一种包括一个或多个矩阵网络的光电神经网络，能够以光电器件单元为基础，按照阵列无限扩展形成任意规模的矩阵网络，使得基于矩阵网络构成的光电神经网络具有非常高的重构性和可扩展性，完成如线性乘加操作等各种运算功能。

19、进一步，光电神经网络还能够对所述探测器接收到的输出光与所述调制器阵列生成的输入光进行相干处理，相比于能够扩展矩阵网络的表达能力。具体地，非相干的情况下探测器只能检测到强度，强度总是为正，也就是说等效的运算必须是输出结果为正的情形才可以得到正确的结果，这只有在传输矩阵的所有元素都为正的情况下才成立。而采用相干检测的方式，可以借助相位的区别实现对结果为负数的计算的支持，所以支持的矩阵元素可正可负，表达的矩阵范围得到了有效扩展。

20、进一步，在本发明实施例中，提供一种包括光芯片和电芯片在内的计算模组，由于电芯片能够对光芯片的调制器、移相器和探测器进行控制，还可以进行非线性运算处理和延时处理，因此计算模组即可以作为矩阵运算网络对深度学习进行加速，又可以作为神经元对神经拟态计算进行加速，有效提高计算能效。

技术特征：

1.一种光电器件单元，其特征在于，包括：

2.根据权利要求1所述的光电器件单元，其特征在于，每个光学干涉单元的第一干涉波导具有移相器件，第二干涉波导不具有移相器件；

3.根据权利要求1所述的光电器件单元，其特征在于，每个光学干涉单元的第一干涉波导和第二干涉波导均具有移相器件。

4.根据权利要求1所述的光电器件单元，其特征在于，

5.根据权利要求1所述的光电器件单元，其特征在于，

6.根据权利要求1所述的光电器件单元，其特征在于，所述2k个光学干涉单元的排列形状选自：矩形、六边形、八边形。

7.一种光电神经网络，其特征在于，包括：

8.根据权利要求7所述的光电神经网络，其特征在于，还包括：

9.根据权利要求8所述的光电神经网络，其特征在于，还包括：

10.根据权利要求9所述的光电神经网络，其特征在于，所述光电神经网络对所述探测器接收到的输出光与所述调制器阵列生成的输入光进行相干处理。

11.一种计算模组，其特征在于，包括：

技术总结
一种光电器件单元、光电神经网络以及计算模组，所述光电器件单元包括：2K个光学干涉单元，每个光学干涉单元中包含第一干涉波导和第二干涉波导；其中，各个光学干涉单元之间经由所述第一干涉波导或第二干涉波导连接，每个光学干涉单元的不同的干涉波导分别连接至不同的光学干涉单元，且相连的干涉波导的非相连端分别延伸至所述光电器件单元的同一条边，以分别作为该边的输入端口和输出端口。本发明可以实现向光电器件单元的各个边所在的方向均可输入输出数据。

技术研发人员：田野,刘胜平,李强,赵洋,王玮
受保护的技术使用者：联合微电子中心有限责任公司
技术研发日：
技术公布日：2024/1/12