论文部分内容阅读
随着大数据时代的来临,计算机处理的数据愈加庞大,需要解决的问题种类也更加的丰富。但基于冯·诺依曼结构的传统电子计算机受限于存储与计算器之间的通道,同时其计算能力的提升存在瓶颈,面对模式识别、自动控制、学习等任务时显得束手无策。神经拟态计算是模拟人脑工作方式的一种计算方法,使用非冯·诺依曼结构来实现神经计算,具有与人脑相同的优点,包括并行性、冗余性等,对解决上述问题具有天然的优势。光学方法具有高带宽、高度并行、低能耗等优点,是实现神经拟态计算的理想方式。光学神经拟态计算实现的关键在于单个光学神经元、光学神经网络学习机制以及大规模光学神经元网络架构的研究。近十年来,光学神经拟态计算逐渐成为了研究热点,但其研究仍处于起步阶段。本论文在国家自然基金的支持下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。本论文主要创新研究成果如下。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。