-
公开(公告)号：CN118276250A
公开(公告)日：2024-07-02
申请号：CN202410334295.X
申请日：2024-03-22
Applicant: 浙江大学
Abstract: 本发明公开了一种硅基和III‑V激光器混合集成芯片。该混合集成芯片包含硅基无源芯片和III‑V激光器芯片两部分，III‑V激光器芯片倒贴在硅基无源芯片上面，混合集成芯片自上而下包括III‑V材料衬底、DBR反射镜、III‑V材料波导、III‑V材料光栅耦合器、硅基光栅耦合器、硅基波导、金属反射镜。III‑V波导光栅耦合器将光衍射出来后通过硅基光栅耦合器反向耦合进硅基无源波导。该集成芯片的硅基无源芯片的衬底中含有一层金属来提高耦合效率，III‑V激光器芯片中含有分布式布拉格反射镜来提高耦合效率。本发明可以很容易实现III‑V激光器芯片和硅基无源芯片高的耦合效率，应用于大规模混合集成芯片的制作中。
-
公开(公告)号：CN116957031B
公开(公告)日：2024-05-24
申请号：CN202310909546.8
申请日：2023-07-24
Applicant: 浙江大学
Abstract: 本发明公开了一种基于光学多神经元激活函数模块的光电计算机，属于计算机领域。本发明的光电计算机由n个神经网络串联构成，每一神经网络分为光源模块、全光矩阵运算模块、光学多神经元激活函数模块、驱动信号生成模块。光学多元神经元激活函数模块的输入为包含多个神经元信息的2维、多像素点的图形，输出为并行的多波长信号。本发明神经网络中的矩阵运算过程、多神经元的非线性激活过程都为并行过程，大大提高了网络的并行度和速度。本发明实现了在全光域内通过一个器件(模块)并行完成多个神经元的激活函数运算，大大提高了架构的集成度、降低了复杂性；光学多神经元激活函数模块也由于其全光特性，节约了能耗、提高了运行速率。
-
公开(公告)号：CN115267967B
公开(公告)日：2024-04-05
申请号：CN202210917069.5
申请日：2022-08-01
Applicant: 浙江大学
Abstract: 本发明公开了一种强限制的三维光子引线波导实现片上光源互连的方法。本发明利用激光直写透明介质材料的技术，通过利用聚焦的、一定强度的激光，在介质中的某些位置改变介质本身的抗蚀性，其中焦点处的光强为I，介质所能承受的阈值光强Ith，当I>Ith的时候，介质的抗蚀性被改变；继而根据介质属性的差异，利用选择性刻蚀的方法加工高折射率对比度的三维光子引线波导，从而利用光学波导实现空间中任意两点之间的光学互联，因此能够解决硅基光源集成中任意激光器出光位置和任意硅波导位置之间的互联问题。
-
公开(公告)号：CN117057407B
公开(公告)日：2024-07-09
申请号：CN202311052080.0
申请日：2023-08-21
Applicant: 浙江大学
Abstract: 本发明公开了一种面向有串扰的波分复用光学神经网络的训练方法，属于信息技术领域。本发明适用于有串扰的波分复用光学神经网络，此类神经网络至少有一层隐藏层或输出层采用基于神经元复用单元的网络架构，这种基于神经元复用单元的波分复用神经网络可以将网络的物理层面的体积和功耗压缩数倍，但会引入串扰。本发明采用基于损失函数梯度下降的训练方法训练所述采用基于神经元复用单元的网络架构的隐藏层和输出层，即输出向量与标签向量联合计算得到训练的损失函数，通过使损失函数沿梯度下降以更新相应层的权重矩阵，从而实现面向有串扰的波分复用光学神经网络的训练。
-
公开(公告)号：CN117592533B
公开(公告)日：2024-07-02
申请号：CN202311419960.7
申请日：2023-10-30
Applicant: 浙江大学
IPC: G06N3/067 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种应用半导体激光器实现神经网络非线性运算的方法，属于光电计算和机器学习技术领域。在高速电学芯片中完成线性运算部分的输出向量被依次编码在λ1波长的激光的不同强度上，作为泵浦源进入m个激光器；在激光器内部完成光与物质的相互作用，发生激射，从而产生波长为λ2的强度不同的激光，且其不同强度信息即为非线性运算后的输出信号。将输出信号接入光衰减器，对激光强度进行k比例的调整，以满足神经网络非线性输出时光电探测器检测的强度要求，光电探测器的输出被作为后续高速电学芯片的输入，进入下一层神经网络的计算。本发明通过运用激光器技术，实现了ReLU和Sigmoid两种激活函数的光学替代。
-
Patent Agency Ranking
公开(公告)号：CN116681117A
公开(公告)日：2023-09-01
申请号：CN202310590364.9
申请日：2023-05-24
Applicant: 浙江大学
Abstract: 本发明公开了一种基于光学神经元波长复用模块的光电计算机，所述光学神经元波长复用模块作为光学神经网络中实现某一隐藏层或输出层的非线性运算部分，接收该隐藏层或输出层的线性运算部分的向量化输出信号并进行非线性运算，其包括多路复用器阵列、波分复用非线性器件阵列、多路解复用器阵列。所述光电计算机用于实现多层的光电神经网路的功能，所述的光电神经网路包括若干隐藏层、一个输出层和电学总控部分；其中，隐藏层和输出层具有相同的结构，均包括光学线性运算部分和光学非线性运算部分；至少一个隐藏层或输出层的所述的光学非线性运算部分，由采用本发明所述的光学神经元波长复用模块。本发明可以大大提高网络的并行度和速度。
-
公开(公告)号：CN117592533A
公开(公告)日：2024-02-23
申请号：CN202311419960.7
申请日：2023-10-30
Applicant: 浙江大学
IPC: G06N3/067 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种应用半导体激光器实现神经网络非线性运算的方法，属于光电计算和机器学习技术领域。在高速电学芯片中完成线性运算部分的输出向量被依次编码在λ1波长的激光的不同强度上，作为泵浦源进入m个激光器；在激光器内部完成光与物质的相互作用，发生激射，从而产生波长为λ2的强度不同的激光，且其不同强度信息即为非线性运算后的输出信号。将输出信号接入光衰减器，对激光强度进行k比例的调整，以满足神经网络非线性输出时光电探测器检测的强度要求，光电探测器的输出被作为后续高速电学芯片的输入，进入下一层神经网络的计算。本发明通过运用激光器技术，实现了ReLU和Sigmoid两种激活函数的光学替代。
-
公开(公告)号：CN117057407A
公开(公告)日：2023-11-14
申请号：CN202311052080.0
申请日：2023-08-21
Applicant: 浙江大学
Abstract: 本发明公开了一种面向有串扰的波分复用光学神经网络的训练方法，属于信息技术领域。本发明适用于有串扰的波分复用光学神经网络，此类神经网络至少有一层隐藏层或输出层采用基于神经元复用单元的网络架构，这种基于神经元复用单元的波分复用神经网络可以将网络的物理层面的体积和功耗压缩数倍，但会引入串扰。本发明采用基于损失函数梯度下降的训练方法训练所述采用基于神经元复用单元的网络架构的隐藏层和输出层，即输出向量与标签向量联合计算得到训练的损失函数，通过使损失函数沿梯度下降以更新相应层的权重矩阵，从而实现面向有串扰的波分复用光学神经网络的训练。
-
公开(公告)号：CN116957031A
公开(公告)日：2023-10-27
申请号：CN202310909546.8
申请日：2023-07-24
Applicant: 浙江大学
Abstract: 本发明公开了一种基于光学多神经元激活函数模块的光电计算机，属于计算机领域。本发明的光电计算机由n个神经网络串联构成，每一神经网络分为光源模块、全光矩阵运算模块、光学多神经元激活函数模块、驱动信号生成模块。光学多元神经元激活函数模块的输入为包含多个神经元信息的2维、多像素点的图形，输出为并行的多波长信号。本发明神经网络中的矩阵运算过程、多神经元的非线性激活过程都为并行过程，大大提高了网络的并行度和速度。本发明实现了在全光域内通过一个器件(模块)并行完成多个神经元的激活函数运算，大大提高了架构的集成度、降低了复杂性；光学多神经元激活函数模块也由于其全光特性，节约了能耗、提高了运行速率。
-
公开(公告)号：CN115267967A
公开(公告)日：2022-11-01
申请号：CN202210917069.5
申请日：2022-08-01
Applicant: 浙江大学
Abstract: 本发明公开了一种强限制的三维光子引线波导实现片上光源互连的方法。本发明利用激光直写透明介质材料的技术，通过利用聚焦的、一定强度的激光，在介质中的某些位置改变介质本身的抗蚀性，其中焦点处的光强为I，介质所能承受的阈值光强Ith，当I>Ith的时候，介质的抗蚀性被改变；继而根据介质属性的差异，利用选择性刻蚀的方法加工高折射率对比度的三维光子引线波导，从而利用光学波导实现空间中任意两点之间的光学互联，因此能够解决硅基光源集成中任意激光器出光位置和任意硅波导位置之间的互联问题。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.017 seconds)
