【技术实现步骤摘要】
本申请涉及光电计算和机器学习，特别涉及一种光电融合可重构模拟智能计算系统及其任务学习方法。
技术介绍
1、人工智能和深度学习技术在自动驾驶、机器人、医疗等领域有着广泛的应用，不断增长的人工智能需求对于计算处理器的能耗、计算速度、对抗噪声的鲁棒性等方面提出了更高的要求。而数字处理器的能耗和速度受到晶体管制程迭代放缓、模数转换带宽有限等因素的制约，无法满足人工智能时代的算力需求。光子具有高通量、大带宽、以光速处理信息等特点，这使得光学计算具有补充和取代电子计算的良好前景。
2、相关技术中，全光学衍射深度神经网络，实现了全光的机器学习判别模型。该架构通过机器学习设计优化，类似于人工神经网络的多级空频域光学相位调制层以及非线性层组合，实现了手写数字、时尚产品图像分类、图片显著性分析等功能。全光学衍射深度神经网络提供了一种以光速使用无源元件实现衍射操作，有效的、独特的全光学机器学习模型，它的一个重要优势是能够通过使用各种高吞吐量、大面积的3d(three-dimensional，三维图形)制造方法和宽视场的光学元件、检测系统来轻松扩展，能够以可扩展、低功耗且经济高效的方式实现数以亿计的神经元和数以十亿计的连接，而且具有实现各种复杂应用的潜力。
3、然而，相关技术中的光学神经网络仍然面临光学非线性难以集成、不可重构、需要模数转换后进行后续计算、对噪声的鲁棒性差等问题，这使得目前已有的光学计算系统或光电融合计算系统无法在实际机器学习和计算机视觉任务中体现出超越电子数字运算系统的优势。
技术实
1、本申请提供一种光电融合可重构模拟智能计算系统及其任务学习方法，以解决相关技术中，全光学人工神经网络和数字计算处理器完成机器学习任务的局限性等问题，该系统可以完成图像分类等机器学习任务，实现了功能可重构，且具有高速度、低能耗、高鲁棒性等优势，有效地减少模数转换带来的带宽限制和能耗成本，具有广阔的应用价值。
2、本申请第一方面实施例提供一种光电融合可重构模拟智能计算系统，包括：光学模拟计算模块和电学模拟计算模块。
3、其中，所述光学模拟计算模块用于对输入的光学模拟信号进行特征提取和降维处理，得到满足预设维度的光学特征信号；所述电学模拟计算模块用于将所述光学特征信号转换为电学模拟信号，并对电学模拟信号进行计算得到模拟计算结果。
4、可选地，在一些实施例中，所述光学模拟计算模块，包括：
5、光学模拟信号输入件，用于输入所述光学模拟信号；光学衍射相位调制件，用于对所述光学模拟信号进行特征提取和降维，得到满足所述预设维度的光学特征信号；光学特征信号输出件，用于输出所述光学特征信号。
6、可选地，在一些实施例中，所述电学模拟计算模块，包括：
7、光电信号转换件，用于利用光电探测器将所述光学特征信号转化为所述电学模拟信号；电学模拟信号矩阵运算件，用于通过预设的模拟电路对所述电学模拟信号进行矩阵运算，并基于基尔霍夫定律和矩阵运算结果得到所述模拟计算结果；电学模拟信号输出件，用于输出所述模拟计算结果。
8、可选地，在一些实施例中，所述光电融合可重构模拟智能计算系统，还包括：电学数字计算模块，用于将所述电学模拟信号转换为数字信号，并在预设的数字域进行处理得到数字计算结果。
9、可选地，在一些实施例中，所述电学数字计算模块，包括：
10、模数信号转换件，用于将所述电学模拟信号转换为数字电信号；电学数字信号运算件，用于对所述数字电信号进行运算和处理得到所述数字计算结果；电学数字信号输出件，用于输出所述数字计算结果。
11、可选地，在一些实施例中，所述光学模拟信号为输入数据信息的相干光场或自然场景的光场。
12、可选地，在一些实施例中，所述光学模拟信号与所述光学特征信号满足的关系为：
13、l＝wx；
14、其中，l是输出的低维光学特征信号光场，w是光经过自由传播过程和光学衍射相位调制件对应的光场变换矩阵，x是输入的光学模拟信号光场。
15、可选地，在一些实施例中，所述光学特征信号与所述模拟计算结果满足的关系为：
16、i＝g(l)；
17、y＝bi；
18、其中，i是光电信号转换模块的输出电流，函数g是光电信号转换件中光电探测器对输入光场的响应特性，l是输入电学模拟计算模块的低维光学特征信号光场，y是电学模拟计算模块的输出电压信号，b是电学模拟信号矩阵运算件对应的矩阵参数，i是光电信号转换模块的输出电流。
19、可选地，在一些实施例中，所述光学衍射相位调制件由3d打印或光刻技术物理制造得到。
20、本申请第二方面实施例提供一种光电融合可重构模拟智能计算系统的任务学习方法，采用如上述任一项实施例所述的光电融合可重构模拟智能计算系统，其中，所述方法包括以下步骤：
21、建立所述光电融合可重构模拟智能计算系统内光学衍射相位调制层的第一数值仿真模型和电学模拟矩阵运算层的第二数值仿真模型；
22、获取当前待学习任务，并根据所述当前待学习任务，确定训练集；基于所述训练集，利用预设的反向传播算法优化对所述光电融合可重构模拟智能计算系统进行数值仿真训练，直至训练结果满足预设结束条件，根据训练结果优化所述第一数值仿真模型的参数和所述第二数值仿真模型的参数，得到优化后的光电融合可重构模拟智能计算系统；
23、根据所述优化后的所述光电融合可重构模拟智能计算系统完成所述当前待学习任务。
24、根据本申请提供的光电融合可重构模拟智能计算系统，该系统包括光学模拟计算模块和电学模拟计算模块，也可以选择性增加电学数字计算模块，在光学模拟计算模块中，利用光学衍射相位调制层结构对输入的光学模拟信号进行特征提取和降维，得到低维光学特征信号；在电学模拟计算模块中，将光学模拟计算模块输出的低维光学特征信号转换为模拟电学信号，对模拟电学信号进行运算，并输出模拟计算结果；在电学数字计算模块中，将输入的电学模拟信号转换为数字信号，并在数字域完成进一步运算和信号处理，得到数字计算结果。
25、由此，本申请可以通过建立仿真模型，根据当前学习任务确定训练集，利用机器学习等算法对光电融合模拟计算系统进行数值仿真训练，并在训练的过程中不断优化参数，最终完成当前学习任务。由此，解决了相关技术中，全光学人工神经网络和数字计算处理器完成机器学习任务的局限性等问题，该系统可以完成图像分类等机器学习任务，实现了功能可重构，且具有高速度、低能耗、高鲁棒性等优势，有效地减少模数转换带来的带宽限制和能耗成本，具有广阔的应用价值。
26、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。
本文档来自技高网...【技术保护点】
1.一种光电融合可重构模拟智能计算系统，其特征在于，包括：光学模拟计算模块和电学模拟计算模块，其中，
2.根据权利要求1所述的光电融合可重构模拟智能计算系统，其特征在于，所述光学模拟计算模块，包括：
3.根据权利要求2所述的光电融合可重构模拟智能计算系统，其特征在于，所述电学模拟计算模块，包括：
4.根据权利要求1-3中任一项所述的光电融合可重构模拟智能计算系统，其特征在于，还包括：
5.根据权利要求4所述的光电融合可重构模拟智能计算系统，其特征在于，所述电学数字计算模块，包括：
6.根据权利要求5所述的光电融合可重构模拟智能计算系统，其特征在于，所述光学模拟信号为输入数据信息的相干光场或自然场景的光场。
7.根据权利要求6所述的光电融合可重构模拟智能计算系统，其特征在于，所述光学模拟信号与所述光学特征信号满足的关系为：
8.根据权利要求7所述的光电融合可重构模拟智能计算系统，其特征在于，所述光学特征信号与所述模拟计算结果满足的关系为：
9.根据权利要求2所述的光电融合可重构模拟智能计
10.一种光电融合可重构模拟智能计算系统的任务学习方法，采用如权利要求1-9中任一项所述的光电融合可重构模拟智能计算系统，其中，所述方法包括以下步骤：
...【技术特征摘要】
1.一种光电融合可重构模拟智能计算系统，其特征在于，包括：光学模拟计算模块和电学模拟计算模块，其中，
2.根据权利要求1所述的光电融合可重构模拟智能计算系统，其特征在于，所述光学模拟计算模块，包括：
3.根据权利要求2所述的光电融合可重构模拟智能计算系统，其特征在于，所述电学模拟计算模块，包括：
4.根据权利要求1-3中任一项所述的光电融合可重构模拟智能计算系统，其特征在于，还包括：
5.根据权利要求4所述的光电融合可重构模拟智能计算系统，其特征在于，所述电学数字计算模块，包括：
6.根据权利要求5所述的光电融合可重构模拟智能计算系统，其特征在于，所述...
【专利技术属性】
技术研发人员：戴琼海，陈一彤，麦麦提·那扎买提，乔飞，吴嘉敏，许晗，周天贶，李广普，范静涛，方璐，
申请(专利权)人：清华大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。