片上光学衍射计算处理器及全光学图像分类设备

技术领域

本申请涉及集成光子电路技术领域，特别涉及一种片上光学衍射计算处理器及全光学图像分类设备。

背景技术

近年来，光子计算由于其高速和高能效的信息处理能力而引起了越来越多的研究兴趣。在最先进的纳米制造技术的支持下，集成光子电路作为解决人工智能任务的高性能协处理器特别令人感兴趣。

然而，光电调制器的大尺寸限制了现有光子计算芯片的计算规模，虽然由超材料单元阵列组成的光子超表面可以实现有效的光场调制，但相关技术中并未得到证实。

发明内容

本申请提供一种片上光学衍射计算处理器及全光学图像分类设备，实现了基于介电超表面的用于神经形态光子计算的片上衍射处理单元，并通过实验证明了全光学图像分类，不仅占用空间小，且光损耗低。

本申请第一方面实施例提供一种片上光学衍射计算处理器，包括：

输入端，用于基于入射光生成一维输入；

与所述输入端耦合连接的波导，用于将光场限制为垂直平面方向的单模，并在面内方向上进行传播；以及

至少一个介电超表面，所述至少一个介电超表面由至少一个超材料单元阵列组成，用于在衍射传播的过程中，对光场进行幅度和相位调制，得到计算结果，完成对神经形态光子的计算。

可选地，还包括：

输出端，所述输出端包括第一至第二条形波导及相应的垂直光栅耦合器，用于将所述计算结果耦合至所述第一至第二条形波导中。

可选地，所述输出端还包括：

第一至第二垂直光栅耦合器，用于引导所述第一至第二条形波导输出的结果，以进行二元决策。

可选地，所述至少一个介电超表面由所述处理器的器件层中嵌入二氧化硅槽构建得到。

可选地，所述至少一个超材料单元的超材料单元尺寸为300nm。

可选地，所述至少一个超材料单元的狭缝宽度小于100nm，且槽长度为400nm。

可选地，所述至少一个介电超表面为多层。

可选地，每层介电超表面之间的层距为200um。

可选地，所述与所述输入端耦合连接的波导为硅光SOI(Silicon-On-Insulator，绝缘衬底上的硅)平板波导。

本申请第二方面实施例提供一种全光学图像分类设备，其包括上述的片上光学衍射计算处理器。

由此，实现了基于介电超表面的用于神经形态光子计算的片上衍射处理单元，并通过实验证明了全光学图像分类，不仅占用空间小，且光损耗低。

本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本申请实施例提供的一种片上光学衍射计算处理器的方框示意图；

图2为根据本申请一个实施例的片上光学衍射计算处理器的基本原理示意图；

图3为根据本申请一个实施例的超材料单元的角度相关调制特性示意图；

图4为根据本申请一个实施例的波动光学模拟的示例图；

图5为根据本申请一个实施例的制造的超表面的SEM(Scanning ElectronMicroscope，扫描电子显微镜)图像示意图；

图6为根据本申请一个实施例的使用片上DPU(Data Processing Unit，处理器分散处理单元)进行图像分类的测试系统的示例图；

图7为根据本申请一个实施例的输入和测试结果的示例图；

图8为根据本申请一个实施例的整个二分类数据集的二元分类结果的示例图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。

下面参考附图描述本申请实施例的片上光学衍射计算处理器及全光学图像分类设备。针对上述背景技术中心提到的光电调制器的大尺寸限制了现有光子计算芯片的计算规模，且未证实由超材料单元阵列组成的光子超表面可以实现有效的光场调制的问题，本申请提供了一种片上光学衍射计算处理器，实现了基于介电超表面的用于神经形态光子计算的片上衍射处理单元，并通过实验证明了全光学图像分类，不仅占用空间小，且光损耗低。

具体而言，图1为本申请实施例所提供的一种片上光学衍射计算处理器的示意图。

如图1所示，该片上光学衍射计算处理器10包括：输入端100、波导200和至少一个介电超表面300。

其中，输入端100用于基于入射光生成一维输入；波导200与输入端100耦合连接，用于将光场限制为垂直平面方向的单模，并在面内方向上进行传播；至少一个介电超表面300由至少一个超材料单元阵列组成，用于在衍射传播的过程中，对光场进行幅度和相位调制，得到计算结果，完成对神经形态光子的计算。

可选地，在一些实施例中，至少一个超材料单元的超材料单元尺寸为300nm。

可选地，在一些实施例中，至少一个超材料单元的狭缝宽度小于100nm，且槽长度为400nm。

可选地，在一些实施例中，上述的片上光学衍射计算处理器10，还包括：输出端，输出端包括第一至第二条形波导及相应的垂直光栅耦合器，用于将计算结果耦合至第一至第二条形波导中。

可选地，在一些实施例中，输出端还包括：第一至第二垂直光栅耦合器，用于引导第一至第二条形波导输出的结果，以进行二元决策。

可选地，在一些实施例中，至少一个介电超表面300由处理器的器件层中嵌入二氧化硅槽构建得到。

可选地，在一些实施例中，至少一个介电超表面300为多层。

可选地，在一些实施例中，每层介电超表面之间的层距为200um。

可选地，在一些实施例中，与输入端耦合连接的波导为硅光SOI平板波导。

具体而言，本申请实施例可以使用一维(1D)介电超表面设计和制造片上DPU，如图2所示图2为本申请一个实施例的片上光学衍射计算处理器的基本原理示意图，入射光，在其振幅上编码一维输入，端对接耦合到硅光SOI平板波导，其中，光场被限制为垂直平面方向的单模，并且是在面内方向上不受限制地传播。在通过学习的超结构区域(即蚀刻的1D超表面)衍射传播期间，光场是幅度和相位调制的。经过多层调制和传播后，DPU的计算结果被耦合到两个条形波导中，并通过相应的垂直光栅耦合器向外引导进行二元决策，其中，条形波导的较高光强决定了输入的类别。

需要说明的是，一维超表面是通过在器件层中嵌入二氧化硅槽来构建的，形成超材料单元。超材料单元的结构显示在图2中。为了符合超材料的亚波长周期工作条件以及电子束光刻和硅蚀刻工艺的精度，至少一个超材料单元的超材料单元尺寸设置为300nm。

进一步地，通过有限时域差分(Finite Difference Time Domain，FDTD)模拟，本申请实施例分析了具有不同缝隙宽度和入射光方向的超材料单元的调制特性。为了充分表征调制特性，本申请实施例研究了透射光和反射光的调制特性。

如图3所示，扩大缝隙宽度会增加相位调制范围，但会降低透射率。为了平衡调制范围和光效，本申请实施例选择狭缝宽度小于100nm，使幅度传输系数保持大于90％。此外，为了器件制造的稳健性，本申请实施例设计了具有二进制调制的DPU，即超材料单元的缝隙宽度限制为0或100nm。为了传播建模的高精度，槽长度被优化并设置为400nm。本申请实施例将DPU设计为具有五层超表面，优化层距为200um。每个超表面层包含600个可训练参数，总共有3000个参数。本申请实施例分别训练三个DPU对MNIST数据集中的手写数字进行二进制分类(分别为“0”与“1”、“1”与“6”以及“1”与“7”)。光传播是根据图3中的调制特性用瑞利-索末菲衍射(Rayleigh-Sommerfeld diffraction，RSD)制定，并且DPU是用梯度下降法训练的。FDTD和RSD模型之间高度匹配的相位和幅度调制曲线(如图4所示)证明了DPU训练过程的准确性。图5显示了部分制造的元原子阵列的扫描电子显微镜(Scanning ElectronMicroscope，SEM)图像，图5(b)为图(a)的部分放大示意图。

进一步地，为了测试片上DPU，准直的1550nm连续波激光束通过柱面透镜线聚焦到数字微镜器件(Digital Micromirror Device，DMD)上(如图6所示)。每张手写图像都被调整为1D的100像素并投影到DMD上(如图7(a)所示)，然后由20倍成像系统中继到硅芯片的输入端口。应用压电级对齐将输入光信号与SOI芯片对齐。顶视红外相机接收计算结果。作为图7所示所示的测试示例，输入图像为“7”(图7(a))，由于光的散射，相机的输出红外图像显示出五层1D超表面，与重叠的器件结构相匹配(图7(b))。此外，绝大多数光从上侧的输出光栅发出，这代表了正确的“7”类别。本申请实施例进一步测试了三个DPU的整个MNIST测试数据集。三个DPU的实验精度分别为77.27％、87.91％和96.05％(如图8(a)-图8(c)中①所示)，对比仿真精度分别为95.64％、93.64％和98.41％，(如图8(a)-图8(c)中②所示)。

在实验中，光芯片的输入功率约为2mW，输出功率约为5nW。相对较高的插入损耗源于片上波导的输入和输出耦合过程。仿真表明，当前的端对接输入耦合方案的耦合效率约为10％。耦合效率可以通过更先进和优化的耦合策略来提高。此外，DPU芯片的性能通过红外摄像头进行验证，最大运行速度限制在每秒100帧左右，使用高速光电二极管可以进一步提高速度。耦合效率可以通过更先进的技术提高和优化的耦合策略。1D超表面也可以进行高速编程。

这项工作中的片上DPU设计为具有3000个参数和100个输入节点。通过使用更多元原子和层，可以轻松实现DPU的规模。数值评估表明，在相同配置下，完整的10类MNIST手写数字的分类准确率分别达到92.7％和89.7％，灰度和二进制参数为36k(如表1所示)。比较而言，使用Mach-Zehnder干涉仪(MZI)的片上光子计算方式，40×40和128×128MZI分别含有3.2k和32.7k参数，二进制(“1”与“7”)和10类MNIST分别能够达到97.6％和88.3％准确率。此外，与自由空间衍射神经网络相比，该芯片级平台上的参数数量减少了一个数量级，以实现类似的性能。

表1

综上，本申请实施例通过实验证明了片上DPU用于全光学图像分类的能力，并预测其在大规模高性能光子计算中的应用。

根据本申请实施例提出的片上光学衍射计算处理器，实现了基于介电超表面的用于神经形态光子计算的片上衍射处理单元，并通过实验证明了全光学图像分类，不仅占用空间小，且光损耗低。

此外，本申请实施例还提出一种全光学图像分类设备，该全光学图像分类设备包括图1实施例所示的片上光学衍射计算处理器。

根据本申请实施例提出的全光学图像分类设备，通过上述的片上光学衍射计算处理器，实现了基于介电超表面的用于神经形态光子计算的片上衍射处理单元，并通过实验证明了全光学图像分类，不仅占用空间小，且光损耗低。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“N个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或N个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。