基于10.6微米全光深度神经网络衍射光栅的设计与实现
投稿时间:2019-04-14  修订日期:2019-11-18  点此下载全文
引用本文:
摘要点击次数: 160
全文下载次数: 16
作者单位E-mail
牛海莎 光电测试技术与仪器教育部重点实验室北京信息科技大学北京 100192 niuhs@buaa.edu.cn 
于明鑫 光电测试技术与仪器教育部重点实验室北京信息科技大学北京 100192  
祝博飞 北京紫溪智芯科技有限公司北京 100876  
姚齐峰 光电测试技术与仪器教育部重点实验室北京信息科技大学北京 100192  
张乾坤 光电测试技术与仪器教育部重点实验室北京信息科技大学北京 100192  
鹿利单 光电测试技术与仪器教育部重点实验室北京信息科技大学北京 100192  
钟国舜 中国电子科技集团公司第十一研究所,北京100015  
祝连庆 光电测试技术与仪器教育部重点实验室北京信息科技大学北京 100192 zhulianqing@sina.com 
基金项目:高等学校学科创新引智计划 D17021;教育部“长江学者与创新团队发展计划”项目资助 IRT_16R07高等学校学科创新引智计划(D17021), 教育部“长江学者与创新团队发展计划”项目资助(IRT_16R07)
中文摘要:光子人工智能芯片以光速执行运算,且具有低功耗、延迟低、抗电磁干扰的优势,小型化与集成化是实现这一技术革新的关键步骤。本文将光刻技术运用于衍射光栅的制作,提出一种基于10.6微米激光的全光衍射深度学习神经网络光栅设计及实现方法。由于光源波长由毫米波向微米波进化,神经元的特征尺度缩小至20微米,与现有光衍射神经网络相比,深度学习神经网络特征尺寸缩小了80倍,为进一步实现光子计算芯片大规模集成奠定了基础。
中文关键词:光子芯片  衍射光栅  深度学习  神经网络
 
Design and Implementation of diffraction grating based on 10.6μm all-optical depth neural network
Abstract:The photonic artificial intelligent chip performs calculations at the speed of light, and has the advantages of low power consumption, low delay, and anti-electromagnetic interference. Miniaturization and integration are the key steps to realize this technological innovation. In this paper, lithography is applied to the fabrication of diffraction gratings. A design and implementation method of all-optics diffraction deep learning neural network grating based on 10.6μm laser is proposed. Since the wavelength of the light source evolved from the millimeter wave to micrometer wave, the characteristic scale of the neuron are reduced to 20 micrometers. Compared with the existing optical computing neural network, the feature size of the deep learning neural network is reduced by 80 times, which laid the foundation for further large-scale integration of photonic computing chips.
keywords:Photonic chip  diffraction grating  deep learning  neural network
  HTML  查看/发表评论  下载PDF阅读器

版权所有:《红外与毫米波学报》编辑部