光学神经网络装置、芯片及神经网络计算的光学实现方法与流程

1.本技术实施例涉及光子集成和高性能计算领域，涉及但不限于一种光学神经网络装置、芯片及神经网络计算的光学实现方法。


背景技术：

2.神经网络计算是人工智能芯片的主要功能之一，神经网络计算需要快速的完成一系列复杂的矩阵乘法运算。神经网络计算可以利用电学芯片实现。然而，传统电学芯片因受工艺节点和材料特性的影响，计算效率有限。光子集成器件特别是硅基光子集成器件近年来得到了快速的发展，硅基光子集成器件具有速率高，抗干扰能力强，集成度高，半导体工艺兼容等优点，利用光集成器件的调制、滤波、分束等功能，可以组成高效率的光子计算芯片，有望极大的提升神经网络计算的效率。也就是说，神经网络计算在利用光学芯片实现时，效率的得到了很大提升。
3.光学芯片中主要依赖光纤延迟线、合波器和分波器实现不同波长信号在时间域上的分开和相加。然而，设置光纤延迟线、合波器和分波器会造成光学芯片设计复杂度高、功耗和成本也偏高。


技术实现要素：

4.有鉴于此，本技术实施例提供一种光学神经网络装置、芯片及神经网络计算的光学实现方法。
5.本技术实施例的技术方案是这样实现的：
6.第一方面，本技术实施例提供一种光学神经网络装置，所述装置包括：
7.第一调制模块，用于基于第一电压调制初始光信号，得到第一光信号，所述第一光信号包括并行的n种不同波长的光信号，所述第一光信号的强度由所述不同波长的光信号对应的不同强度相加得到，n为大于1的整数；
8.色散模块，用于基于设置不同波长的光信号对应不同的第一时延，将所述第一光信号中的n种不同波长的光信号在时域上分开，得到第二光信号，所述第二光信号为包括n种不同波长的串行光信号；
9.分光模块，用于将所述第二光信号分成n路功率相等的第三光信号；
10.第二调制模块，用于基于输入的n个第一电压集，分别对n路第三光信号的强度进行调制，得到n路第四光信号；
11.反色散模块，用于基于设置不同波长的光信号对应不同的第二时延，将不同波长的所述第四光信号在时域上叠加，得到n路第五光信号，其中，所述第一时延与所述第二时延不同；
12.处理模块，用于基于所述n路第五光信号，调整n个所述第一电压和n个所述第一电压集。
13.第二方面，本技术实施例提供一种光学神经网络芯片，包括权利要求上述光学神
经网络装置。
14.第三方面，本技术实施例提供一种神经网络计算的光学实现方法，所述方法包括：
15.光学神经网络装置的第一调制模块基于第一电压调制初始光信号，得到第一光信号，所述第一光信号包括并行的n种不同波长的光信号，所述第一光信号的强度由所述不同波长的光信号对应的不同强度相加得到，n为大于1的整数；
16.所述光学神经网络装置的色散模块基于设置不同波长的光信号对应不同的第一时延，将所述第一光信号中的n种不同波长的光信号在时域上分开，得到第二光信号，所述第二光信号为包括n种不同波长的串行光信号；
17.所述光学神经网络装置的分光模块将所述第二光信号分成n路功率相等的第三光信号；
18.所述光学神经网络装置的第二调制模块基于输入的n个第一电压集，分别对n路第三光信号的强度进行调制，得到n路第四光信号；
19.所述光学神经网络装置的反色散模块基于设置不同波长的光信号对应不同的第二时延，将不同波长的所述第四光信号在时域上叠加，得到n路第五光信号，其中，所述第一时延与所述第二时延不同；
20.所述光学神经网络装置的处理模块基于所述n路第五光信号，调整n个第一电压和n个所述第一电压集。
21.本技术实施例中，色散模块，用于基于设置不同波长的光信号对应不同的第一时延，将所述第一光信号中的n路不同波长的光信号在时域上分开，得到第二光信号，所述第二光信号为包括n种不同波长的串行光信号；反色散模块，用于基于设置不同波长的光信号对应不同的第二时延，将不同波长的所述第四光信号在时域上叠加，得到n路第五光信号，其中，所述第一时延与所述第二时延不同。这样，基于色散模块可以实现不同波长信号在时间域上的分开，基于反色散模块可以实现不同波长信号在时间域上的相加，进而有效降低光学神经网络装置的设计复杂度、功耗和成本。
附图说明
22.图1为本技术实施例提供的一种光学神经网络装置的结构组成图；
23.图2a为本技术实施例提供的一种第一调制模块的结构组成图；
24.图2b为本技术实施例提供的一种处理模块的结构组成图；
25.图3为本技术实施例提供的一种光学神经网络装置的结构组成图；
26.图4为本技术实施例提供的一种神经网络计算的光学实现方法的实现流程示意图。
具体实施方式
27.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对申请实施例的具体技术方案做进一步详细描述。以下实施例用于说明本技术，但不用来限制本技术的范围。
28.在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突
的情况下相互结合。
29.在以下的描述中，所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本技术实施例能够以除了在这里图示或描述的以外的顺序实施。
30.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本技术实施例的目的，不是旨在限制本技术。
31.对本技术实施例进行进一步详细说明之前，对本技术实施例中涉及的名词和术语进行说明，本技术实施例中涉及的名词和术语适用于如下的解释。
32.波分复用(wavelength division multiplexing，wdm)：将两种或多种不同波长的光载波信号(携带各种信息)在发送端经复用器亦称合波器(multiplexer，mux)汇合在一起，并耦合到光线路的同一根光纤中进行传输的技术；在接收端，经解复用器亦称分波器或称去复用器(demultiplexer，dmux)将各种波长的光载波分离，然后由光接收机作进一步处理以恢复原信号。这种在同一根光纤中同时传输两个或众多不同波长光信号的技术，称为波分复用。
33.光电探测器(photodetector，pd)，用于将光信号转换为电信号。
34.在本技术实施例的各种实施例中，利用n个第一电压的调整实现对神经网络中各神经网络层的输入值的调整，并利用n个第一电压集的调整实现对神经网络中权重值的调整。由于在本技术实施例中对利用色散模块实现不同波长的光信号在时域上分开，和利用反色散模块不同波长的光信号在时域上叠加，本技术实施例供的光学神经网络装置有效减少了需求的光纤延迟线、合波器和分波器，进而在利用本技术实施例提供的光学神经网络装置形成光学芯片时，可以降低该光学芯片的设计复杂度、功耗和成本。
35.图1示出了本技术实施例光学神经网络装置的结构组成图，本技术实施例的光学神经网络装置100包括：第一调制模块110、色散模块120、分光模块130、第二调制模块140、反色散模块150及处理模块160；其中，
36.第一调制模块110，用于基于第一电压调制初始光信号，得到第一光信号，所述第一光信号包括并行的n种不同波长的光信号，所述第一光信号的强度由所述不同波长的光信号对应的不同强度相加得到，n为大于1的整数；
37.色散模块120，用于基于设置不同波长的光信号对应不同的第一时延，将所述第一光信号中的n种不同波长的光信号在时域上分开，得到第二光信号，所述第二光信号为包括n种不同波长的串行光信号；
38.在一些实施例中，所述色散模块包括色散光纤和/或色散光栅。
39.这里，色散是复色光分解为单色光而形成光谱的现象。色散可以利用棱镜或光栅等作用为色散系统的仪器来实现。如复色光进入棱镜后，由于棱镜对各种频率的光具有不同折射率，各种色光的传播方向有不同程度的偏折，因而在离开棱镜时就各自分散，形成光谱。
40.光纤是光导纤维的简写，是一种由玻璃或塑料制成的纤维，可作为光传导工具。光纤色散的产生基于两个方面的因素，一是进入光纤中的光信号不是单色光(光源发出的光
不是单色或是调制信号具有一定的带宽)；二是光纤对光信号的色散作用。本技术实施例中初始光源是包括不同波长的光源，可以利用光纤色散实现将不同波长的光源在时域上分开。
41.在实施过程中，可以根据实际需要确定色散光纤的参数，以利用色散光纤实现将所述第一光信号中的n种不同波长的光信号在时域上分开。
42.光栅是由大量等宽等间距的平行狭缝构成的光学器件，也称衍射光栅。是可以利用多缝衍射原理使光发生色散(分解为光谱)的光学元件。
43.在实施过程中，可以根据实际需要确定色散光栅的参数，以利用色散光纤实现将所述第一光信号中的n种不同波长的光信号在时域上分开。
44.举例来说，可以利用色散光纤和/或色散光栅，使得不同波长的光信号产生的第一时延分别为0，δt，
……
，(n-1)δt，以生成串行脉冲光信号。实施方法可以包括：将第一光信号中第一种第一光信号的延时定为初始值(如0)，在该初始值的基础上对n种第一光信号中其它种第一光信号的第一时延分别按照预设时延间隔(
△
t)依次进行增长(至第n路第一光信号的延时为(n-1)
△
t)，从而n种第一光信号中每一种光信号的时延间隔均为
△
t。
45.分光模块130，用于将所述第二光信号分成n路功率相等的第三光信号；
46.在实施过程中，所述分光模块130是一种无源器件。分光模块可以由入射和出射狭缝、反射镜、多模干涉器和色散元件组成。
47.第二调制模块140，用于基于输入的n个第一电压集，分别对n路第三光信号的强度进行调制，得到n路第四光信号；
48.在实施过程中，第二调制器模块140的输入端与分光器模块的输出端连接，由于分光器将第二光信号分成n路功率相等的第三光信号，每一第三光信号需要输入对应的第二调制模块，所有存在n个第二调制模块；每一第二调制器模块140的输出端与对应的反色散模块150连接。第二调制模块140，用于根据输入的n个第一电压集，分别对分光模块130输出的n路第三光信号的强度进行调制，从而得到n路第四光信号。这里的n路第四光信号为强度调制后的串行脉冲光信号。
49.在实施过程中，第二调制器模块140可以包括n个调制器形成的阵列，所述n个调制器能够分别对n路第三光信号的强度进行调制；第二调制器模块140也可以包括能够直接对n路第三光信号的强度进行调制的集成器件。
50.在实施过程中，所述n个调制器中的每个调制器具体可以包括：铌酸锂电光调制器、聚合物电光调制器、硅基电光调制器、电吸收调制器、集成电光调制器或空间光调制器。
51.这里，第二调制器模块140包括n个电压输入端口，该n个电压输入端口与所述处理模块160连接，由处理模块160提供动态变化的n个第一电压集，以分别施加在第二调制器模块140的n个调制器上。可以理解的是，通过对n个第一电压集中各电压值的调整，可以实现对神经网络中权重值的调整。
52.可以理解的是由于n路第三光信号均可以看是n路光信号的序列，因此需要对第二调制模块中包含的每一个调制器均施加电压序列(即第一电压集)。并且在该电压序列的作用下，实现对多个权重值的调制，从而在权重数量一定时，本技术实施例提供的光学神经网络装置能够减少了需求的光调制器的数量。这里，该电压序列中各电压的施加间隔与前述n路第一光信号中每一路光信号之间的延时间隔相关。
53.反色散模块150，用于基于设置不同波长的光信号对应不同的第二时延，将不同波长的所述第四光信号在时域上叠加，得到n路第五光信号，其中，所述第一时延与所述第二时延不同；
54.在一些实施例中，所述反色散模块包括反色散光纤和/或反色散光栅。
55.这里，反色散光纤与色散光纤是不同参数的光纤；反色散光栅和色散光栅也是不同参数的光栅。
56.在实施过程中，可以根据实际需要确定反色散光纤的参数，以利用反色散光纤实现将所述每一路第四光信号在时域上叠加，得到n路第五光信号。
57.在实施过程中，可以根据实际需要确定反色散光栅的参数，以利用反色散光纤实现将所述每一路第四光信号在时域上叠加，得到n路第五光信号。
58.举例来说，可以通过调整反色散光纤和/或反色散光栅的参数，使得每一路第四光信号中不同波长的光信号产生的第二时延分别为(n-1)δt，(n-2)δt，
……
，0。结合色散模块产生的时延差，可以实现将所述每一路第四光信号中不同波长的光信号在时域上叠加，得到n路第五光信号。这里，由于波长不同产生的延时与色散模块相反，从而可以实现将不同波长的串行信号在时域上叠加。
59.处理模块160，用于基于所述n路第五光信号，调整n个所述第一电压和n个所述第一电压集。
60.本技术实施例中，色散模块，用于基于设置不同波长的光信号对应不同的第一时延，将所述第一光信号中的n路不同波长的光信号在时域上分开，得到第二光信号，所述第二光信号为包括n种不同波长的串行光信号；反色散模块，用于基于设置不同波长的光信号对应不同的第二时延，将不同波长的所述第四光信号在时域上叠加，得到n路第五光信号，其中，所述第一时延与所述第二时延不同。这样，基于色散模块可以实现不同波长信号在时间域上的分开，基于反色散模块可以实现不同波长信号在时间域上的相加，进而有效降低光学神经网络装置的设计复杂度、功耗和成本。
61.在一些实施例中，如图2a所示，所述第一调制模块110包括：
62.光产生子模块111，用于产生n种不同波长的并行初始光信号；
63.在实施过程中，光产生子模块的输出端与第一调制子模块的输入端连接。
64.光产生子模块111可以产生n种不同波长的光信号。不同波长的光信号可以用于承载待测试集的信息。
65.实际应用中，光产生子模块111可以包括n个激光器形成的阵列，所述n个激光器能够产生并输出n种波长不同的单频连续光；光产生子模块111也可以包括能够直接产生并输n路不同波长的光信号的集成器件。
66.在一些实施例中，所述光产生子模块111包括：光频梳，用于产生一路包括n种波长的初始光信号；分波器，用于将所述一路包括n种波长的初始光信号分为n路不同波长的并行初始光信号。
67.这里，光学频率梳简称光频梳，由一系列离散的、等间距的规则光脉冲序列组成，能够在一个频段内同时提供几个至几十个不同的频率成分。其优点是梳线数目多、频率范围广，且具有固定的频率间隔等，能够代替多个激光器，是理想的多载波光源。
68.在实施过程中，光频梳的输出端与分波器的输入端连接，可以基于光频梳产生一
路包括n种波长的初始光信号，进而通过分波器，有效得到n路不同波长的并行初始光信号。
69.第一调制子模块112，用于基于输入的n个所述第一电压，分别调制每一路所述并行初始光信号的强度，得到不同强度的n路初始光信号；
70.第一调制子模块112的输入端与光产生子模块的输出端连接，且第一调制子模块的输出端与合路子模块连接。第一调制子模块112，可以用于根据输入的n个第一电压，分别对光产生子模块输出的n路不同波长的光信号的强度进行调制，从而得到不同强度的n路初始光信号。这里的n路初始光信号为并行的光信号。
71.在一些实施例中，第一调制子模块112可以包括n个调制器形成的阵列，所述n个调制器能够分别对n路不同波长的光信号的强度进行调制；第一调制子模块也可以包括能够直接对n路不同波长的光信号的强度进行调制的集成器件。在实施过程中，所述n个调制器中的每个调制器具体可以包括：铌酸锂电光调制器、聚合物电光调制器、硅基电光调制器、电吸收调制器、集成电光调制器或空间光调制器。
72.在实施过程中，第一调制子模块112包括n个电压输入端口，该n个电压输入端口与所述处理模块连接，由处理模块提供动态变化的n个第一电压，分别施加在第一调制子模块的n个调制器上。可以理解的是，通过对n个第一电压的值的调整，可以实现对神经网络中各神经网络层的输入值的调整。
73.合路子模块113，用于将所述不同强度的n路初始光信号合成所述第一光信号。
74.这里，合波子模块113的输入端与第一调制子模块的输出端连接，且合波子模块的输出端与色散模块的输入端连接。合波子模块113可以用于将不同强度的n路初始光信号合成一路并行的包括n种不同波长的第一光信号。
75.本技术实施例中，第一调制模块包括：光产生子模块，用于产生n种不同波长的并行初始光信号；第一调制子模块，用于基于输入的n个所述第一电压，分别调制每一路所述并行初始光信号的强度，得到不同强度的n路初始光信号；合路子模块，用于将所述不同强度的n路初始光信号合成所述第一光信号。基于第一调制子模块，可以实现对每一路所述并行初始光信号的强度的调试；利用合路子模块，可以有效得到第一光信号。
76.本技术实施例中，光产生子模块包括：光频梳，用于产生一路包括n种波长的初始光信号；分波器，用于将所述一路包括n种波长的初始光信号分为n路不同波长的并行初始光信号。这样，可以有效得到n路不同波长的并行初始光信号。
77.在一些实施例中，如图2b所示，所述处理模块160包括：
78.非线性子模块161，用于将n路第五光信号中的每一路光信号分别进行非线性处理，得到完成非线性处理的n路第五光信号；
79.光电探测子模块162，用于将所述完成非线性处理的n路第五光信号转化为n路电信号；
80.在实施过程中，光电探测子模块162的输入端与非线性子模块161的输出端连接，用于将n路非线性处理后第五光信号转化为n路电信号；且光电探测子模块162的输出端与归一化子模块163的输入端连接。光电探测子模块162可以包括n个，n个光电探测器用于测量n路第五光信号中每一路光信号的强度。
81.在一些实施例中，光电探测模块162能检测出入射到其面上的光功率，并把这个光功率的变化转化为相应的电流，即光电探测模块162将载有光信号的光强度的n路电信号发
送给归一化子模块163。实际应用时，光电探测模块可以包括pin管或apd管。
82.归一化子模块163，用于将所述n路电信号进行归一化处理，将归一化处理的n路结果作为所述n个第一电压的值；产生n个第一电压，并施加在所述调制子模块上；
83.在实施过程中，归一化子模块163的输入端与所述光电探测模块162的输出端连接，且归一化子模块163的输出端与处理子模块164的输入端连接。归一化模块163，用于将所述n路电信号进行归一化处理，将归一化处理的n路结果作为所述n个第一电压的值；产生n个第一电压，并施加在所述第一调制子模块112上。可以理解的是，光电探测模块测量的光强度对应的电压值与第一调制子模块112中电压与光强度之间的关系存在区别，因此需要归一化模块的介入。这里，第一电压的值以反馈的方式接入到第一调制子模块112上可以类比理解为神经网络中上一卷集层的输出端口与下一卷集层的输入端口连接。
84.处理子模块164，用于基于归一化处理的n路结果，确定所述n个第一电压集中各电压的值；产生n个第一电压集，并施加在所述调制模块上。
85.处理子模块164的输入端与归一化模块163的输出端连接，且处理子模块164的输出端与第二调制模块150连接。处理子模块164用于基于归一化处理的n路结果，确定所述n个第一电压集中各电压的值；产生n个第一电压集，并施加在所述第二调制模块150上。这里，第一电压的集中各电压的值以反馈的方式接入到第二调制模块150上，并且循环的调整第一电压的集中各电压的值可以类比理解为神经网络中循环对各待进行卷积计算的数据的权重值的调整。
86.在一些实施例中，所述处理器子模块164，用于将所述归一化处理的n路结果与第一数据集进行比较；所述第一数据集表征n路不同波长的光信号承载的信息对应的训练集；根据比较结果，并结合梯度下降算法，调整所述n个第一电压集中各电压的值。这里，n路不同波长的光信号承载的信息即可以对应为神经网络的测试集，且将处理子模块164的存储单元中保存有该测试集对应的训练集。实际应用中，将所述归一化处理的n路结果与第一数据集进行比较，并结合梯度下降等算法，不断调整所述n个第一电压集中各电压的值，直到获得权重值的最优解。这里，梯度下降法的思想就是沿梯度下降的方向求解极小值。
87.在实施过程中，所述处理子模块164包括专用集成电路(specific integrated circuit application，asic)。
88.本技术实施例中，利用n个第一电压的调整实现对神经网络中各神经网络层的输入值的调整，并利用n个第一电压集的调整实现对神经网络中权重值的调整。
89.下面将结合具体的应用场景对本技术实施例进行更详细的说明。在该实施例中，如图3所示，该光学神经网络装置100包括第一调制模块110、色散模块120、分光模块130、第二调制模块140、反色散模块150和处理模块160，其中，
90.所述第一调制模块110包括光产生子模块111(光频梳、波分器)、第一调制子模块112，即n个调制器(调制器1，调制器2，
……
，调制器n)和合路子模块113(合波器)；
91.所述分光模块130为分光器；
92.所述第二调制模块140，即n个调制器(调制器w1，调制器w2
……
，调制器wn)；
93.所述处理模块160包括：非线性子模块161，即n个非线性单元(非线性单元1，非线性单元2，
……
，非线性单元n)；光电探测子模块162，即n个光电探测器(光电探测器1，光电探测器2，
……
，光电探测器n)；n个归一化子模块163，即n个转化芯片(转化芯片1，转化芯片
2，
……
，转化芯片n)；处理子模块162，即一个专用处理器芯片asic。
94.利用所述色散模块(色散元件)120可以实现不同输入在时间域上的分开；
95.利用所述反色散模块(反色散元件)160可以实现不同输入在时间域上的相加。
96.所述光学神经网络装置的具体实现原理如下：
97.利用光频梳在频域生成n波长的多波长光源，波长分别为λ1，λ2，
……
，λn，多波长光源连接一个波分器(dmux0)，将输入信号分为λ1，λ2，
……
，λn的n路并行光信号。每个光信号分别连接一个第一调制子模块112，即n路并行光信号对应连接n个调制器(调制器1，调制器2，
……
，调制器n)调制器，n路并行光信号经过调制产生不同强度的并行脉冲光信号x1，x2，
……
，xn。
98.最后由合波器(mux0)113合束，产生强度为(x1 x2
……
xn)的脉冲光信号。
99.脉冲光信号序列经过色散元件120，因波长不同产生不同延时，将λ1，λ2，
……
，λn多波长脉冲信号在时域上分开，生成串行脉冲光信号序列(x1，x2，
……
，xn)。随后经过分光器130分为n个功率相等的通道，每个通道连接一个第二调制模块140，即n个通道对应连接n个调制器(调制器w1，调制器w2
……
，调制器wn)，每个调制器对依次对串行脉冲光信号(x1，x2，
……
，xn)/n进行强度调制，调制权重依次为(w11，w12，
……
，w1n)，(w21，w22，
……
，w2n)，
……
，(wn1，wn2，
……
，wnn)，依此类推。
100.通过w1调制器产生(w11
·
x1，w12
·
x2，
……
，w1n
·
xn)/n的串行脉冲光信号，通过wn调制器产生(wn1
·
x1，wn2
·
x2，
……
，wnn
·
xn)/n的串行脉冲光信号，依此类推。
101.n个调制器(调制器w1，调制器w2
……
，调制器wn)中的每一个调制器接一个反色散元件150，其因波长不同产生的延时与色散元件相反，从而将不同波长的串行信号再次相加，输出强度分别为(w11
·
x1 w12
·
x2
……
w1n
·
xn)/n，
……
，(wn1
·
x1 wn2
·
x2
……
wnn
·
xn)/n的脉冲光信号，产生共n路并行光信号。
102.每一路反色散单元件输出的信号各连接一个非线性子模块161，即n路并行光信号对应连接n个非线性单元(非线性单元1，非线性单元2，
……
，非线性单元n)，产生f((w11
·
x1 w12
·
x2
……
w1n
·
xn)/n)，
……
，f((wn1
·
x1 wn2
·
x2
……
wnn
·
xn)/n)的n路并行光信号，其中f为神经网络所需的非线性变换函数。n路并行光信号通过光电探测子模块162，即n个光电探测器(光电探测器1，光电探测器2，
……
，光电探测器n)将并行光信号转化为并行电信号，并行电信号进入n个归一化子模块163，即n个转化芯片(转化芯片1，转化芯片2，
……
，转化芯片n)，经归一化处理后将控制电压分别发送到n个调制器(调制器w1，调制器w2
……
，调制器wn)中的每一个调制器，产生新的x1，x2，
……
，xn并行光信号。同时，处理子模块162，即专用处理器芯片(asic)根据输入的并行电信号和学习数据的比较结果，分别调整加载在n个调制器(调制器w1，调制器w2
……
，调制器wn)上的电压，更新调制权重(w11，w12，
……
，w1n)，(w21，w22，
……
，w2n)，
……
，(wn1，wn2，
……
，wnn)。
103.循环以上过程，直到处理器芯片中输入的并行电信号和学习数据的比较结果达到应用要求为止。
104.本技术实施例还提供了一种光学神经网络芯片，所述光学神经网络芯片包括：本技术实施例提供的所述光学神经网络装置100。
105.上述实施例提供的光学神经网络芯片中使用的光学神经网络结构与光学神经网络装置实施例属于同一构思，其具体实现过程详见装置实施例，这里不再赘述。
106.本技术实施例提供一种神经网络计算的光学实现方法。图4为本技术实施例神经网络计算的光学实现方法的实现流程示意图。如图4所示，所述方法包括以下步骤：
107.步骤s410、光学神经网络装置的第一调制模块基于第一电压调制初始光信号，得到第一光信号，所述第一光信号包括并行的n种不同波长的光信号，所述第一光信号的强度由所述不同波长的光信号对应的不同强度相加得到，n为大于1的整数；
108.步骤s420、所述光学神经网络装置的色散模块基于设置不同波长的光信号对应不同的第一时延，将所述第一光信号中的n种不同波长的光信号在时域上分开，得到第二光信号，所述第二光信号为包括n种不同波长的串行光信号；
109.步骤s430、所述光学神经网络装置的分光模块将所述第二光信号分成n路功率相等的第三光信号；
110.步骤s440、所述光学神经网络装置的第二调制模块基于输入的n个第一电压集，分别对n路第三光信号的强度进行调制，得到n路第四光信号；
111.步骤s450、所述光学神经网络装置的反色散模块基于设置不同波长的光信号对应不同的第二时延，将不同波长的所述第四光信号在时域上叠加，得到n路第五光信号，其中，所述第一时延与所述第二时延不同；
112.步骤s460、所述光学神经网络装置的处理模块基于所述n路第五光信号，调整n个第一电压和n个所述第一电压集。
113.在一些实施例中，所述色散模块包括色散光纤和/或色散光栅；所述反色散模块包括反色散光纤和反色散光栅。
114.本技术实施例中，色散模块基于设置不同波长的光信号对应不同的第一时延，将所述第一光信号中的n路不同波长的光信号在时域上分开，得到第二光信号，所述第二光信号为包括n种不同波长的串行光信号；反色散模块基于设置不同波长的光信号对应不同的第二时延，将所述每一路第四光信号在时域上叠加，得到n路第五光信号，其中，所述第一时延与所述第二时延不同。这样，基于色散模块可以实现不同波长信号在时间域上的分开，基于反色散模块可以实现不同波长信号在时间域上的相加，进而有效降低光学神经网络装置的设计复杂度、功耗和成本。
115.在一些实施例中，以上步骤s410“光学神经网络装置的第一调制模块基于第一电压调制初始光信号，得到第一光信号”，包括以下步骤：
116.步骤411、所述第一调制模块的光产生子模块产生n路不同波长的并行初始光信号；
117.步骤412、所述第一调制模块的第一调制子模块基于输入的n个所述第一电压，分别调制每一路所述并行初始光信号的强度，得到不同强度的n路初始光信号；
118.步骤413、所述第一调制模块的合路子模块将所述不同强度的n路初始光信号合成所述第一光信号。
119.本技术实施例中，第一调制模块包括：光产生子模块产生n种不同波长的并行初始光信号；第一调制子模块基于输入的n个所述第一电压，分别调制每一路所述并行初始光信号的强度，得到不同强度的n路初始光信号；合路子模块将所述不同强度的n路初始光信号合成所述第一光信号。基于第一调制子模块，可以实现对每一路所述并行初始光信号的强度的调试；利用合路子模块，可以有效得到第一光信号。
120.在一些实施例中，以上步骤411“所述光产生子模块产生n路不同波长的并行初始光信号”包括以下步骤：
121.步骤a、所述光产生子模块的光频梳产生一路包括n种波长的初始光信号；
122.步骤b、所述光产生子模块的分波器将所述一路包括n种波长的初始光信号分为n路不同波长的并行初始光信号。
123.本技术实施例中，光频梳产生一路包括n种波长的初始光信号；分波器将所述一路包括n种波长的初始光信号分为n路不同波长的并行初始光信号。这样，可以有效得到n路不同波长的并行初始光信号。
124.以上装置实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本技术装置实施例中未披露的技术细节，请参照本技术方法实施例的描述而理解。
125.需要说明的是，本技术实施例中，如果以软件功能模块的形式实现上述方法，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。基于这样的理解，本技术实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得电子设备(可以是手机、平板电脑、笔记本电脑、台式计算机等)执行本技术各个实施例所述方法的全部或部分。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read only memory，rom)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本技术实施例不限制于任何特定的硬件和软件结合。
126.对应地，本技术实施例提供一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中提供的神经网络计算的光学实现方法中的步骤。
127.这里需要指出的是：以上存储介质实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本技术存储介质实施例中未披露的技术细节，请参照本技术方法实施例的描述而理解。
128.应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本技术的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本技术的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。
129.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
130.在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或
可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
131.上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
132.另外，在本技术各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
133.本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(read only memory，rom)、磁碟或者光盘等各种可以存储程序代码的介质。
134.或者，本技术上述集成的单元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。基于这样的理解，本技术实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得电子设备(可以是手机、平板电脑、笔记本电脑、台式计算机等)执行本技术各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、rom、磁碟或者光盘等各种可以存储程序代码的介质。
135.本技术所提供的几个方法实施例中所揭露的方法，在不冲突的情况下可以任意组合，得到新的方法实施例。
136.本技术所提供的几个产品实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的产品实施例。
137.本技术所提供的几个方法或装置实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的方法实施例或装置实施例。
138.以上所述，仅为本技术的实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。