基于全光数字信号处理和光网络的光子神经网络的实现

The project is proposed to implement the photonic neural network based on all optical digital signal processing and optical networking, with the consideration of a few key points, such as regulating and controlling the asymmetric nonlinear process of some photonic devices, modeling the photonic neuron and photonic neural network, information and signal processing capacity of the photonic neural network. Photonic neurons will be modeled, designed and implemented by employing the optical networking technology with some optical signal processing components, such as optical thresholder, time-space integrator, inverter, optical logic gate, which are developed with the nonlinear fibers and semiconductor optical amplifiers. Some adaptive tunable optical devices, e.g., tunable isolator, tunable time-delay line, are investigated for the photonic neuron to control the input-output mapping. Modeling the photonic neural network, the topology, the time-delay and weight mechanisms, a few feed-forward and feedback schemes with 3 photonic neurons, a mesh network with 4 full-connected photonic neurons are realized based on a platform of optical networking, to analog the signal and stimulus (excitability and inhibitory ) transmission characteristics of the biology neurons. The information processing ability is evaluated with the study of the analogical learning mechanism and the synchronous of the photonic neural network. This project is a bold exploration of both optical signal processing and artificial neural network technology, as well as between the optical network technology and artificial neural network technology, it will promote the optical signal processing technology, and demonstrate the breakthrough for the neural network – optical network mimicking the neural network.

本项目“基于全光数字信号处理和光网络的光子神经网络的实现”，解决非对称非线性过程的调控、光子神经元和光子神经网络的模型、光子神经网络的信息处理能力等关键科学问题。利用非线性光纤和半导体光放大器研制光阈值器、时空积分器、反相器、全光逻辑门等光信号处理功能器件，结合光网络技术研究光子神经元模型并实现。研究自动可调光隔离器等可调器件，调控光子神经元的输入输出映射。研究光子神经网络模型、网络拓扑和连接权值设计方法，研究3个光子神经元的前馈和反馈连接，在光网络平台上研究4个光子神经元全光互联的网状光子神经网络，模拟生物神经元的信号传输和刺激传递特性。研究光子神经网络的学习机制和同步方式，定量描述其信息处理能力。本项目是光信号处理与人工神经网络技术的合理而大胆的交叉，也是光网络与神经网络技术的完美结合，研究工作不仅促进光信号处理技术的发展，对神经网络技术的发展更具有突破性意义——光网络模拟神经网络。

本项目开展光学神经元及学习机制的研究，深入研究了多种不同的光学神经元模型，包括基于分立光学器件的连续光电sigmoid人工神经元、光学LIF（leaky-integrate-fire）神经元，基于集成光学结构的积分器脉冲神经元和振荡器脉冲神经元，同时研究了光学脉冲神经元的学习机制，研究成果对光学神经拟态计算的发展具有重要意义。.主要研究成果如下。.1. 基于半导体光放大器（semiconductor optical amplifier，SOA）的非线性偏振旋转效应（nonlinear polarization rotation，NPR），提出了一种连续光电sigmoid神经元模型，使用光注入和电注入分别模拟神经元的兴奋性输入和抑制性输入，可以实现sigmoid传递函数。实验研究了SOA偏置电流、探测光功率和初始偏振态对光电sigmoid神经元传递函数的影响。.2. 基于SOA的NPR效应，提出了一种光学LIF神经元模型。通过设置探测光的初始偏振态，可以分别模拟兴奋性和抑制性LIF神经元。同时基于SOA的交叉增益调制效应提出了一种脉冲时间依赖可塑性（spike-timing-dependent plasticity，STDP）学习光路，可以实现多种STDP学习机制。实验研究了SOA偏置电流、光功率、脉冲宽度对学习窗口以及窗口高度的影响。.3. 基于垂直腔面发射激光器-饱和吸收体（VCSEL-SA）级联结构的Q开关效应，提出了一种使用相干光和非相干光作为兴奋性输入的VCSEL-SA光学脉冲神经元方案。研究了VCSEL-SA光学脉冲神经元在不同有源区驱动电流、SA区驱动电流等参数条件下的分岔规律，以及兴奋性工作条件。理论研究了VCSEL-SA光学脉冲神经元在非相干光输入和相干光输入条件下，单脉冲和双脉冲注入时的脉冲响应特性，包括阈值、响应时间、响应脉冲特性、不应期等。.4. 通过在微环谐振腔上覆盖相变材料VO2，提出了一种微环脉冲神经元的阈值可塑性方案。研究了微环脉冲神经元的分岔规律，并建立了VO2材料的PI迟滞模型。结合微环谐振腔的耦合模理论，研究了初始工作温度、VO2覆盖长度、输入光幅度等因素对微环脉冲神经元阈值的影响。