-
公开(公告)号：CN114861734A
公开(公告)日：2022-08-05
申请号：CN202210589380.1
申请日：2022-05-26
Applicant: 东南大学
Abstract: 本发明公开了一种基于光散射的矩阵运算立体结构单元，包括依次连接的电光调制单元、光学矩阵计算单元和光电检测器；所述电光调制单元用于将输入的电信号转换为各自不同频率的N维光信号并输出到该立体结构单元，该立体结构将计算该矩阵与列向量的叉乘结果并输出到光电检测器转化为电信号，得到最终的输出。本发明的电光混合的矩阵乘法，具备高带宽、低损耗、所需空间小等优势。
-
公开(公告)号：CN117870730A
公开(公告)日：2024-04-12
申请号：CN202410015675.7
申请日：2024-01-04
Applicant: 东南大学
Abstract: 本发明公开了一种具有自适应误差校准的磁编码器，可用于测量旋转角度的磁编码器。设计该磁编码器的过程包括：在径向充磁圆柱形磁铁周围均匀环绕排布六个霍尔传感器；使用互补等边三角测量算法将六路霍尔传感器信号合并为三路信号；基于双dq变换软件锁相环分别提取输入信号的相位，基波、二次谐波的正序分量和负序分量；重构输入信号的直流分量，基波分量和二次谐波分量，并将其补偿至信号输入端；对锁相环输出相位进行后验校正。最终可以得到无直流分量，谐波分量，幅值偏差和相位偏差干扰的旋转角度。
-
公开(公告)号：CN113592084B
公开(公告)日：2022-11-11
申请号：CN202110837609.4
申请日：2021-07-23
Applicant: 东南大学
Abstract: 本发明公开了基于反向优化超结构卷积核的片上光子神经网络，包括N个隐藏层和一个全连接层，所述隐藏层包括依次连接的激光器阵列、电光调制器、超结构卷积核、光电探测器和池化层，所述超结构卷积核包括超结构波分复用器、以及M个级联的超结构光散射单元和移相器，其中，超结构波分复用器用于将光信号被分为m路不同波长范围输出，超结构光散射单元将m路不同波长范围的光信号按比例重新分配功率后从不同的输出端口分别输出，实现卷积运算中不同权重的分配。本发明的片上光子神经网络，具备高带宽、低损耗等优势，且超结构的光子器件经反向设计具有良好性能，可便捷改变器件的目标性能，减少芯片制作时的内部器件需求。
-
公开(公告)号：CN114707629A
公开(公告)日：2022-07-05
申请号：CN202210042090.5
申请日：2022-01-14
Applicant: 东南大学
Abstract: 本申请公开了基于光散射的矩阵计算方法及光学神经网络，基于光散射的矩阵计算方法，步骤1，将矩阵W分解为酉矩阵和对角矩阵；步骤2，基于光散射构建矩阵计算单元；步骤3，对输入特征向量进行电光转换，得到N路光信号；步骤4，将N路光信号输入到矩阵计算单元中，实现输入特征向量与矩阵W的乘法运算；光信号通过本申请矩阵计算单元后，可以光速执行任意向量矩阵乘法，并几乎没有光学损耗。基于上述矩阵计算单元的全光光学神经网络可以有效减少实现神经网络运算的光学器件数量，可以为人工神经网络的实现提供一种尺寸更小、能耗更低、带宽更大、鲁棒性更好、运算速度更快的实现方案。
-
Patent Agency Ranking
公开(公告)号：CN113592069B
公开(公告)日：2024-09-17
申请号：CN202110818425.3
申请日：2021-07-20
Applicant: 东南大学
Abstract: 本发明公开了一种四输入逻辑运算的光子神经网络，包括依次连接的电光调制单元、预处理单元、N层光子神经网络单元和第一光电转换单元；所述电光调制单元用于将输入的电信号转换为四维光信号并输出到预处理单元，所述预处理单元用于在四维光信号的基础上添加第五维信号，将四维光信号变为五维光信号，五维光信号向量的L2范数为定值，五维光信号再经过N层光子神经网络单元运算后输出特征结果到第一光电转换单元转化为电信号，得到最终的输出。本发明的电光混合的片上神经网络，具备高带宽、低损耗等优势。
-
公开(公告)号：CN115356852A
公开(公告)日：2022-11-18
申请号：CN202211062614.3
申请日：2022-09-01
Applicant: 东南大学
IPC: G02B27/00
Abstract: 本发明公开了一种进行任意分光比光分路器的实现方法，设计方法的步骤依次为给出优化设计的大致区域和输入输出波导；将满足设计要求的光从对应的输入波导输入；在输出波导处监控并测量输出的光的强度；设计优化函数，对目标的分光比进行量化的表征；利用梯度下降法对设计区域内的几何参数，包括形状和相对介电常数进行调整；不断优化使得优化函数取值达到最大从而实现目标的分光比。本发明通过数值计算的方法，结合现有的计算技术和仿真技术，能够设计出具有复杂拓扑结构的特定分光比的光分束器，相比于传统的光分束器，其能够实现一些比较复杂的分光比，同时具有更为紧凑的非直观结构，性能更为出色，面积更小。
-
公开(公告)号：CN114861734B
公开(公告)日：2024-04-16
申请号：CN202210589380.1
申请日：2022-05-26
Applicant: 东南大学
IPC: G06F18/213 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于光散射的矩阵运算立体结构单元，包括依次连接的电光调制单元、光学矩阵计算单元和光电检测器；所述电光调制单元用于将输入的电信号转换为各自不同频率的N维光信号并输出到该立体结构单元，该立体结构将计算该矩阵与列向量的叉乘结果并输出到光电检测器转化为电信号，得到最终的输出。本发明的电光混合的矩阵乘法，具备高带宽、低损耗、所需空间小等优势。
-
公开(公告)号：CN113592069A
公开(公告)日：2021-11-02
申请号：CN202110818425.3
申请日：2021-07-20
Applicant: 东南大学
Abstract: 本发明公开了一种四输入逻辑运算的光子神经网络，包括依次连接的电光调制单元、预处理单元、N层光子神经网络单元和第一光电转换单元；所述电光调制单元用于将输入的电信号转换为四维光信号并输出到预处理单元，所述预处理单元用于在四维光信号的基础上添加第五维信号，将四维光信号变为五维光信号，五维光信号向量的L2范数为定值，五维光信号再经过N层光子神经网络单元运算后输出特征结果到第一光电转换单元转化为电信号，得到最终的输出。本发明的电光混合的片上神经网络，具备高带宽、低损耗等优势。
-
公开(公告)号：CN113592084A
公开(公告)日：2021-11-02
申请号：CN202110837609.4
申请日：2021-07-23
Applicant: 东南大学
Abstract: 本发明公开了基于反向优化超结构卷积核的片上光子神经网络，包括N个隐藏层和一个全连接层，所述隐藏层包括依次连接的激光器阵列、电光调制器、超结构卷积核、光电探测器和池化层，所述超结构卷积核包括超结构波分复用器、以及M个级联的超结构光散射单元和移相器，其中，超结构波分复用器用于将光信号被分为m路不同波长范围输出，超结构光散射单元将m路不同波长范围的光信号按比例重新分配功率后从不同的输出端口分别输出，实现卷积运算中不同权重的分配。本发明的片上光子神经网络，具备高带宽、低损耗等优势，且超结构的光子器件经反向设计具有良好性能，可便捷改变器件的目标性能，减少芯片制作时的内部器件需求。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.014 seconds)
