深度衍射光学神经网络的装置及其执行的方法与流程

本申请涉及衍射光学神经网络，尤其涉及一种深度衍射光学神经网络的装置及其执行的方法。

背景技术：

1、衍射光学神经网络是一种利用光学衍射原理实现的神经网络计算模型。这种网络通过设计特定的光学元件来模拟神经网络中的神经元和突触连接，使用光波的传播和衍射来进行信息处理。

2、衍射光学神经网络通常使用激光或其他光源发出光波。这些光波可以携带输入信息，例如通过调制光强度来表示不同的输入特征。衍射光学神经网络由一个或多个衍射调制层组成，每个衍射调制层相当于神经网络中的一个功能层。衍射调制层上面有特定的图案或结构，这些图案可以是随机的或经过优化设计的。当光波通过这些图案时，会发生衍射现象。光波在通过每个衍射调制层时会根据层上的图案发生衍射和干涉。这些图案相当于神经网络中的权重，它们决定了光波的传播路径和相位变化。衍射调制层之间的空间允许光波传播和干涉，从而实现类似于神经网络中非线性激活函数的效果。衍射调制层上的图案可以吸收、反射或改变通过的光波的相位，从而调制光强度。这种调制效果相当于神经网络中的权重和激活函数的组合。光波经过最后一个衍射调制层后，会在输出平面上形成特定的光强分布。这个分布可以用光电探测器或相机等设备来检测，从而得到神经网络的输出结果。

3、衍射光学神经网络的优势在于其能够利用光速进行计算，具有极高的并行性和能效。此外，由于是基于物理过程的计算，它们不需要电力来维持权重，这使得衍射光学神经网络在某些应用中比传统的电子神经网络更具能效优势。目前衍射光学神经网络的实际应用和大规模部署还面临许多挑战。衍射光学神经网络是调控光场衍射传播特性进行信息处理的方法。在复数域进行传播的，充足规模的网络是完成复杂实际任务的必要条件。

4、衍射光学神经网络的训练过程涉及到优化衍射调制层上的图案，以便网络能够正确地执行特定的任务，如图像分类、模式识别等。这个优化过程可以使用传统的神经网络训练算法，如反向传播，通过模拟光波的传播来计算梯度并更新衍射调制层的图案。

5、然而，在实际中构建深度神经网络中，存在反向传播梯度消失、网络表达能力退化和训练困难的问题。随着层数的增加，梯度通过多层反向传播时可能会逐渐减小，导致网络中靠近输入层的权重更新非常缓慢，这使得网络难以训练。理论上，网络层数的增加应该提供更强的表示能力。然而，实践中过深的网络性能往往会饱和甚至退化，即额外的层并没有带来准确率的提升，反而可能导致训练误差的增加。随着网络层数的增加，参数的数量和计算复杂度也随之增加，这使得深层网络的训练变得更加困难和耗时。结合光波传播特性构建高效深度衍射光学神经网络是当前要解决的挑战。

技术实现思路

1、针对上述问题，本申请提供了一种深度衍射光学神经网络的装置，该方案基于神经网络中残差网络的优势，构建对应的衍射光学神经网络，通过光学器件实现对对应的衍射光学神经网络，形成深度衍射光学神经网络的装置。该装置能够解决衍射光学神经网络随着层数增加衍射调制效率降低和网络参数收敛困难的问题，满足复杂实际任务对深度网络的要求。

2、根据本申请的第一个方面，提供一种深度衍射光学神经网络的装置，其特征在于，包括：

3、一个或多个衍射调制层，按照预设的连接模式进行布置，

4、其中，每一个所述衍射调制层均包括：

5、光束分束模块，用于将输入的光束分为第一光束和第二光束；

6、衍射调制结构，用于将所述第一光束进行衍射调制处理；

7、光束合束模块，用于将经过衍射调制处理后的光束和所述第二光束进行合并。

8、根据本申请的第二个方面，提供如第一个方面所述的装置执行的方法，其特征在于，包括：

9、接收光输入信号；

10、采用所述一个或多个衍射调制层对所述光输入信号进行衍射调制处理，获得输出信号。

11、根据本申请提供的深度衍射光学神经网络的装置及其执行的方法，通过构建残差网络模块实现衍射调制层间稠密连接，能够用于空间光衍射和片上光衍射，解决衍射光学神经网络随着层数增加衍射调制效率降低和网络参数收敛困难的问题，满足复杂实际任务对深度网络的要求。

技术特征：

1.一种深度衍射光学神经网络的装置，其特征在于，包括：

2.如权利要求1所述的装置，其特征在于，所述输入的光束包括空间光，所述衍射调制层还包括：

3.如权利要求2所述的装置，其特征在于，所述光束分束模块包括光束分束器，所述光束合束模块包括光束合束器，所述衍射调制结构包括空间光衍射调制模块，其中，

4.如权利要求1所述的装置，其特征在于，所述输入的光束包括平面光，所述光束分束模块包括第一y型分支器，所述光束合束模块包括第二y型分支器，所述衍射调制结构包括片上衍射调制模块。

5.如权利要求1至4任一项所述的装置，其特征在于，所述预设的连接模式是根据预定的残差网络的结构而确定的。

6.如权利要求1至4任一项所述的装置，其特征在于，所述衍射调制结构具有图案，所述图案是完成对所述衍射光学神经网络的训练后而确定的。

7.如权利要求1至4任一项所述的装置，其特征在于，所述衍射调制层还包括：

8.一种如权利要求1至7任一项所述的装置执行的方法，其特征在于，包括：

9.如权利要求8所述的方法，其特征在于，所述采用所述一个或多个衍射调制层对所述光输入信号进行衍射调制处理，包括：

10.如权利要求9所述的方法，其特征在于，所述深度衍射光学神经网络的装置还包括光补偿器件，所述采用所述一个或多个衍射调制层对所述光输入信号进行衍射调制处理，包括：

技术总结本申请涉及深度衍射光学神经网络的装置及其执行的方法，该装置包括一个或多个衍射调制层，按照预设的连接模式进行布置，其中，每一个所述衍射调制层均包括：光束分束模块，用于将输入的光束分为第一光束和第二光束；衍射调制结构，用于将所述第一光束进行衍射调制处理；光束合束模块，用于将经过衍射调制处理后的光束和所述第二光束进行合并。根据本申请的方案，通过构建残差网络模块实现衍射调制层间稠密连接，能够用于空间光衍射和片上光衍射，解决衍射网络随着层数增加衍射调制效率降低和网络参数收敛困难的问题，满足复杂实际任务对深度网络的要求。技术研发人员：周璋,唐雪朦,陈家沛,刘根树,范静涛受保护的技术使用者：启元实验室技术研发日：技术公布日：2024/7/29