基于片上光学衍射神经网络计算架构的传感器

1.本技术涉及智能芯片传感技术领域，特别涉及一种基于片上光学衍射神经网络计算架构的传感器。


背景技术：

2.常见的电学传感架构包括采用敏感电极或敏感场效应管，电学传感架构的性能漂移和噪声影响其性能的可靠性。光学传感没有电学干扰，本底噪声低，广泛使用在气体/液体传感技术中，包括光谱分析技术(紫外-可见-红外)，荧光分析技术，化学发光技术，红外傅里叶转换光谱技术，拉曼光谱技术等。然而，这些技术需要样品的预处理，而且设备庞大，成本高，能耗高，不适合实时原位检测的应用需求。
3.硅基光电子技术提供了一个高度集成的解决路径。目前可以通过硅波导材料改性技术来实现硅光传感功能的方案，包括马赫增德尔干涉仪折射率调控技术和微环谐振腔谐振调制技术等。然而这些技术往往需要窄线宽激光器和高分辨率/波长可分辨的探测器系统，成本高，良率低，而且待测物质往往只有一种。


技术实现要素：

4.本技术提供一种基于片上光学衍射神经网络计算架构的传感器，利用光的受控传播完成智能传感计算，在光受控传播的路径上设置传感单元，通过改变光的传播结果来完成对待测物质的识别与传感。
5.本技术第一方面实施例提供一种基于片上光学衍射神经网络计算架构的传感器，包括：输入端和输出端；设置于所述输入端和输出端之间的超表面传感结构，在衍射神经网络对应的所述超表面传感结构的超表面单元中填充传感介质，组成探测器阵列，利用所述探测器阵列得到所述输入端输入的入射光和所述输出端输出的输出光间的衍射计算关系，并根据所述传感介质吸收待测物质后的超表面折射率变化规律，确定所述待测物质的种类和/或浓度。
6.可选地，在无所述待测物质时，所述传感介质的折射率未改变，所述入射光通过所述衍射神经网络的预设权重进行加权求和作用映射到所述探测器阵列上，得到参照输出光；在有所述待测物质时，所述传感介质的折射率发生改变，所述入射光通过所述衍射神经网络的改变后的权重进行加权求和作用映射到所述探测器阵列上，得到所述输出光。
7.可选地，所述超表面传感结构为硅基超表面结构。
8.可选地，所述超表面传感结构为有机物超表面结构。
9.可选地，所述探测器阵列的多个传感单元设置于光受控传播路径上。
10.可选地，所述种类为气体或者液体。
11.本技术第二方面实施例提供一种基于片上光学衍射神经网络计算架构的传感器检测方法，利用上述的基于片上光学衍射神经网络计算架构的传感器，将所述传感器置于所述待测物质环境中，并将所述入射光通入所述传感器，所述检测方法包括以下步骤：通过
所述探测器阵列获取所述入射光和所述输出光间的衍射计算关系；根据传感介质吸收待测物质后的超表面折射率变化规律和所述衍射计算关系，确定所述待测物质的种类和/或浓度。
12.可选地，在无所述待测物质时，所述传感介质的折射率未改变，所述入射光通过所述衍射神经网络的预设权重进行加权求和作用映射到所述探测器阵列上，得到参照输出光；在有所述待测物质时，所述传感介质的折射率发生改变，所述入射光通过所述衍射神经网络的改变后的权重进行加权求和作用映射到所述探测器阵列上，得到所述输出光。
13.本技术第三方面实施例提供一种芯片，包括：包括上述的基于片上光学衍射神经网络计算架构的传感器。
14.本技术实施例的基于片上光学衍射神经网络计算架构的传感器、检测方法及芯片，利用光的受控传播完成智能传感计算，在光受控传播的路径上设置传感单元，通过改变光的传播结果来完成对目标的识别与传感，具有尺寸小、功耗低和速度快的优点。
15.本技术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，或通过本技术的实践了解到。
附图说明
16.本技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
17.图1为根据本技术实施例提供的一种基于片上光学衍射神经网络计算架构的传感器的结构框图；
18.图2为根据本技术实施例提供的一种基于片上光学衍射神经网络计算架构的传感器的结构示意图；
19.图3为根据本技术实施例提供的一种基于片上光学衍射神经网络计算架构的检测方法的流程图。
具体实施方式
20.下面详细描述本技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本技术，而不能理解为对本技术的限制。
21.图1为根据本技术实施例提供的一种基于片上光学衍射神经网络计算架构的传感器的结构框图。
22.如图1所示，该基于片上光学衍射神经网络计算架构的传感器10包括输入端100和输出端200；设置于输入端和输出端之间的超表面传感结构300。
23.其中，在衍射神经网络对应的超表面传感结构300的超表面单元中填充传感介质，组成探测器阵列，利用探测器阵列得到输入端输入的入射光和输出端输出的输出光间的衍射计算关系，并根据传感介质吸收待测物质后的超表面折射率变化规律，确定待测物质的种类和/或浓度。
24.在本技术的实施例中，超表面传感结构可以为硅基超表面结构，也可以为有机物超表面结构。
25.在本技术的实施例中，波导区域为衍射神经网络的神经节点。由此，采用硅基片上光学衍射神经网络架构，智能分析传感计算结果，能耗低，速度快。其中，光学衍射神经网络可以通过人工智能算法进行设计，可以使得传感器处于谐振灵敏态，灵敏度高。
26.在本技术的实施例中，待测物质的种类可以为气体或者液体，通过将传感器中的神经元器件设置为气体/液体敏感材料，可实现同时监测多种不同气体/液体。
27.可以理解的是，本技术实施例的基于片上光学衍射神经网络计算架构的传感器主要包含硅基超表面结构，光在其中传播方式为受限传播，通过吸收待测物质(气体/液体)改变超表面折射率，可以获得不同的受限传播模式，从而完成传感。
28.可选地，入射光的光源可以为cw激光，探测器阵列可以为波导探测器。探测器阵列的多个传感单元设置于光受控传播路径上。
29.进一步地，传感器的敏感材料可以分布在网络中神经元节点，敏感材料还可分布于其他波导区域，来辅助完成光的受限传播功能。此外，光学传感/计算区域除了用硅外，还可用有机物等功能性材料替代。
30.在本技术的实施例中，在无待测物质时，传感介质的折射率未改变，入射光通过衍射神经网络的预设权重进行加权求和作用映射到探测器阵列上，得到参照输出光；在有待测物质时，传感介质的折射率发生改变，入射光通过衍射神经网络的改变后的权重进行加权求和作用映射到探测器阵列上，得到输出光。
31.具体地，结合图2所示，入射光从输入端口沿着光传播方向穿过衍射区域，从输出端口输出。当没有待测物质时，入射光(i1，i2…
，ir)通过神经网络的加权求和作用映射到探测器阵列上，得到输出光(o1，o2…
，o
l
)。当有待测物质时，神经网络节点权重发生改变，加权求和结果变为(o
’1，o
’2…
，o’l
)。因此，本技术的实施例可以通过检测输出光信息的改变高灵敏推断待检测物质种类和浓度等信息的变化。
32.可以理解的是，本技术实施例的传感器的运算关系符合一定的数学规律，可以看作是向量与矩阵的乘法，包括输入向量、输出向量和中间矩阵。在超表面结构形成符合矩阵关系的探测器阵列结构，在无待测物质时，传感介质的折射率未发生改变，入射光按照已知的射线传播规律进行传播，传感器输出光的输出模式为标准模式，且已知。在传感器存在于待测物质时，待测物质改变传感介质的折射率，进而改变入射光的射线传播规律，输出光的输出模式发生改变。同时，对于不同的待测物质，改变传感介质的折射率不同，因此，参照标准输出模式，本技术的实施例可以利用探测器阵列得到根据入射光和输出光间的衍射计算关系，以及传感介质吸收待测物质后超表面折射率变化规律，确定待测物质属于何种物质，如折射率a对应气体，折射率b对应液体等，还可以进一步根据折射率得到对应物质的浓度，对此，本领域技术人员可以根据实际情况进行设定，不作具体限制。
33.根据本技术实施例的基于片上光学衍射神经网络计算架构的传感器，兼具现有硅基光电传感器的高度集成优点，与马赫增德尔干涉仪折射率调控技术和微环谐振腔谐振调制技术不同，采用神经网络智能算法，不需要窄线宽激光器和高分辨率/波长可分辨的探测器系统，可以同时监测多种气体/液体。
34.其次参照附图描述根据本技术实施例提出的基于片上光学衍射神经网络计算架构的检测方法。
35.图3为根据本技术实施例提供的一种基于片上光学衍射神经网络计算架构的检测
方法的流程图。
36.如图3所示，将传感器置于待测物质环境中，并将入射光通入传感器，该基于片上光学衍射神经网络计算架构的检测方法包括：
37.步骤s101，通过探测器阵列获取入射光和输出光间的衍射计算关系。
38.具体地，通过光源发射入射光至输入端口，通过衍射区域传播入射光，获取输出端口的输出光的光信息。
39.步骤s102，根据传感介质吸收待测物质后的超表面折射率变化规律和衍射计算关系，确定待测物质的种类和/或浓度。
40.可选地，在无待测物质时，传感介质的折射率未改变，入射光通过衍射神经网络的预设权重进行加权求和作用映射到探测器阵列上，得到参照输出光；在有待测物质时，传感介质的折射率发生改变，入射光通过衍射神经网络的改变后的权重进行加权求和作用映射到探测器阵列上，得到输出光。
41.需要说明的是，前述对基于片上光学衍射神经网络计算架构的传感器实施例的解释说明也适用于该实施例的基于片上光学衍射神经网络计算架构的检测方法，此处不再赘述。
42.根据本技术实施例提出的基于片上光学衍射神经网络计算架构的检测方法，获取输出端输出的输出光的光信息；根据输入端输入的入射光和输出端输出的输出光的光信息计算吸收待测物质改变的超表面折射率；根据超表面折射率确定待测物质的种类和/或浓度。该计算方法能耗低，速度快，可同时监测多种不同气体/液体。
43.本实施例还提供一种芯片，包括上述实施例的基于片上光学衍射神经网络计算架构的传感器。
44.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或n个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
45.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本技术的描述中，“n个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
46.流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或n个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领域的技术人员所理解。