专利交易市场

本发明涉及一种基于线性系统的全光非线性神经网络系统，属于光学神经网络技术领域。解决光学神经网络依赖非线性材料或光电转换实现非线性运算的瓶颈问题。技术方案包括输入模块将输入信号加载于环形谐振腔谐振波长失谐量；耦合模块调控层间权重；神经元模块通过多层环形谐振腔线性传输信号；输出模块将输出信号加载于探测光功率。输入输出信号分载于不同物理量，使线性系统实现非线性功能。有益效果包括突破光学非线性运算瓶颈，显著降低系统复杂度与能耗，增强兼容性与实用性，提升并行计算效率及系统可扩展性。

本发明请求保护一种支持存算一体及波长‑模式混合复用的光学矩阵乘法器结构，来解决神经网络加速器中矩阵运算的功耗较大及运算吞吐量受限的问题。首先，采用非易失相变材料GST与无源MR组成存算一体光学点积计算引擎。其中微环谐振器用于实现对不同波长光信号的引导，权重存储在集成与光波导上的GST中，使得光在传输的过程中完成数据的读取与计算，从而提高计算速率、降低能耗。此外，搭建支持波长和模式混合复用的矩阵乘法器，通过将不同波长和模式的数据作为独立的信号载体同时输入到矩阵中进行乘加运算，从而提高并行计算规模。本发明有望实现大规模、低功耗的光学矩阵乘法器，以满足数据量爆发式增长的驱动下对高性能计算硬件的需求。