基于光散射单元的高维复杂随机三角矩阵实现方法

本发明涉及光计算，特别涉及一种基于光散射单元的高维复杂随机三角矩阵实现方法。

背景技术：

1、在当代科学和工程领域，高维复杂矩阵计算的需求日益增加。这种需求源于各种领域，包括量子计算、大数据分析、机器学习、通信系统和光学成像等。高维矩阵在这些应用中扮演着关键角色，其处理和分析对于取得准确结果和推动科技进步至关重要。然而，传统的计算方法和硬件体系结构在处理高维复杂特定矩阵时面临着严重的挑战。这些矩阵通常包含大量的数据点和维度，导致计算复杂度急剧上升。传统的计算机和算法往往难以满足高维矩阵计算的高效性和速度需求。此外，随着技术的不断进步，对于更高维度和更复杂数据结构的需求也在不断增加，进一步增加了计算负担。

2、在这一背景下，基于光散射单元(osu)的新型计算架构引起了广泛关注。osu是一种能够利用光的传播特性进行计算的装置，其在高维矩阵计算中具有巨大潜力。通过利用光的并行性和速度，osu架构有望显著提高高维矩阵计算的效率和速度，从而满足日益增长的科学和工程应用需求。此外，osu还具备更低的能耗和更小的体积，相对于传统计算硬件，这些特点对于移动计算、嵌入式系统和节能计算环境也具有重要意义。因此，开发一种基于osu的高维复杂特定矩阵计算架构成为了当前研究和发展的焦点之一，旨在解决现有计算方法的瓶颈，并推动科学和工程领域的进步。

技术实现思路

1、本发明提供一种基于光散射单元的高维随机三角矩阵实现方法，利用逆向优化算法设计光散射单元的参数，利用特定参数的光散射单元实现特定参数矩阵的计算，实现类似高维矩阵运算设计的可行拓展。

2、本发明实施例提供一种基于光散射单元的高维随机三角矩阵实现方法，包括以下步骤：

3、步骤1，利用任意分光比的光分路器对输入光进行分束，并对分束后的多路光进行幅值调制，得到多路输入光；步骤2，通过搭建的光散射单元的直观结构对各路输入光在光散射单元内分束后的幅值进行加权系数配置得到特定参数的高维矩阵，再根据所述高维矩阵对所述搭建的光散射单元的直观结构进行仿真，得到光散射单元的非直观结构；步骤3，将所述多路输入光输入到所述光散射单元的非直观结构中后，使得多路输入光经过散射后按照所述高维矩阵所设定的比例分配到所有输出端口，并在所述输出端口进行功率叠加后经输出波导输出，完成所述高维矩阵的计算。

4、在本发明的一个实施例中，通过搭建的光散射单元的直观结构对各路输入光在光散射单元内分束后的幅值进行加权系数配置得到特定参数的高维矩阵包括：

5、通过调整各路输入光的相位差使得所述搭建的光散射单元的直观结构中的散射光发生相长或相消干涉，进而调整各路输出光的幅值，得到所述特定参数的高维矩阵。

6、在本发明的一个实施例中，通过搭建的光散射单元的直观结构对各路输入光在光散射单元内分束后的幅值进行加权系数配置得到特定参数的高维矩阵包括：

7、利用介质折射率的非线性性质，使得对于不同波长的光在出射时产生不同强度的幅值改变，使得多路输出光与多路输入光的关系与特定参数的高维矩阵相匹配。

8、在本发明的一个实施例中，所述方法还包括：

9、步骤4，利用光电检测单元检测波导输出的输出光的归一化功率，以检测出输出光的光强，并验证所述高维矩阵计算的正确性。

10、本发明实施例的基于光散射单元的高维随机三角矩阵实现方法，可以有效实现神经网络中的高维随机三角矩阵参数的计算，具备非直观、低损耗、小尺寸等特点，同时具有更好的拓展性，能够实现更灵活、更高维的矩阵运算模拟。利用逆向优化算法进行结构的优化设计，得到可以实现高维复杂随机矩阵计算的芯片，其芯片结构更为紧凑，性能更佳，实现类似高维矩阵运算设计的可行拓展。并且光散射单元的前端结构对光信号进行线性分光运算，功耗低且运算速度远高于纯电路运算速度。

11、本发明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，或通过本发明的实践了解到。

技术特征：

1.一种基于光散射单元的高维复杂随机三角矩阵实现方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，通过搭建的光散射单元的直观结构对各路输入光在光散射单元内分束后的幅值进行加权系数配置得到特定参数的高维矩阵包括：

3.根据权利要求1所述的方法，其特征在于，通过搭建的光散射单元的直观结构对各路输入光在光散射单元内分束后的幅值进行加权系数配置得到特定参数的高维矩阵包括：

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

技术总结
本发明公开了一种基于光散射单元的高维复杂随机三角矩阵实现方法，属于光计算领域，利用任意分光比的光分路器对输入光进行分束，并对分束后的多路光进行幅值调制；通过搭建的光散射单元的直观结构对各路输入光在光散射单元内分束后的幅值进行加权系数配置得到特定参数的高维矩阵，根据高维矩阵进行仿真，得到光散射单元的非直观结构；将多路输入光输入到光散射单元的非直观结构中后，使得多路输入光经过散射后按照高维矩阵所设定的比例分配到所有输出端口，并在输出端口进行功率叠加后经输出波导输出，完成高维矩阵的计算。由此，得到神经网络中随机三角矩阵参数，从而模拟灵活高维的矩阵运算，该计算方法具有良好的拓展性。

技术研发人员：刘旭,马飘扬,赵洋,张嘉龙
受保护的技术使用者：东南大学
技术研发日：
技术公布日：2024/2/1