本发明属于光信号处理领域，特别是涉及一种基于双功能微环谐振器的紧凑高效光子卷积神经网络加速器。
背景技术：
1、卷积神经网络(convolutional neural network，cnn)作为一种关键技术，在图像识别、语音处理等多个领域具有广泛的应用。cnn属于一种计算密集型网络，随着cnn模型规模的不断增大，传统的电子cnn加速器在时钟频率、时延、功耗等因素的限制下将会面临越来越多的挑战。与之相反，光子cnn加速器在计算速率、并行性、超低延迟和高能效方面表现出了巨大潜力。研究者们已经提出了一些不同的光学cnn加速器，这些加速器主要基于两种光学器件，即马赫曾德尔干涉仪(mach–zehnder interferometer，mzi)和微环谐振器(microring resonator，mr)。其中，基于mzi的结构占地面积较大，难以实现大规模集成，运算规模受限。mr具有紧凑的占地面积以及支持波分复用(wavelength divisionmultiplexing，wdm)等优点，显示出优越的计算性能。
2、在基于mr的光加速器中，大多采用电控mr的方式模拟权重，需要对mr施加持续的偏置电压以维持权重状态。然而，cnn在推理的过程中，卷积核的权重经过训练就不需要经常更新，频繁的权重数据读取以及权重状态的维持会造成大量的能量消耗。因此可利用非易失性相变材料ge2sb2te5(gst)组成存储阵列实现并行光子内存计算，将计算简化为测量可重构和非谐振无源组件的光传输，可以显著降低数据传输开销。另一方面，当前的基于mr的光学cnn加速器通常在输入部分采用独立的一组mr作为调制器阵列实现对图像像素值的模拟，然后采用另外一组基于电调或者基于相变材料的mr阵列实现对权重的模拟。这种结构所需的mr总数量为权重mr阵列和输入调制mr阵列的和，面积成本较大。同时，mr具有热光效应，极易受到环境温度的影响而发生谐振波长偏移，mr数量的增多也使得系统发生计算错误的可能性增加。
技术实现思路
1、为了解决背景技术中存在的问题，本发明基于面积开销、能耗和计算速率等方面的考虑，提出一种基于双功能微环谐振器的紧凑高效光子卷积神经网络加速器，该加速器将非易失性相变材料gst集成在嵌入pn结的微环谐振器上，组成一种双功能光子计算引擎，可同时进行输入波长功率幅度调制和权重模拟，此外，基于双功能光子计算引擎搭建支持波分复用的矩阵乘法器，通过将不同波长的数据作为独立的信号载体同时输入到矩阵中进行乘加运算，从而提高并行计算规模，本发明有望实现大规模、低功耗、低硬件面积开销的卷积神经网络加速器，以满足未来大规模卷积运算对高性能计算硬件的需求。
2、为了达到上述技术目的，本发明提供如下技术方案，一种基于双功能微环谐振器的紧凑高效光子卷积神经网络加速器，包括：多个瓦片，各个瓦片与光路由器进行通信；
3、所述瓦片包括：光学矩阵向量乘法模块和非线性模块；
4、所述光学矩阵向量乘法模块包括：输入信号模块、光学矩阵向量运算模块以及输出信号模块；其中，输入信号模块包括：激光器阵列、波分复用器和分光器；
5、所述激光器阵列用于产生n个不同波长的连续光信号；
6、所述波分复用器用于将n个不同波长的连续光信号复用到同一波导，得到复用光信号；
7、所述分光器用于将复用光信号进行分光，得到k路分光信号；
8、所述光学矩阵向量运算模块包括：k个双功能光子计算引擎，每个双功能光子计算引擎包括：n个添加了gst和嵌入pn结的双功能微环谐振器；
9、所述光学矩阵向量运算模块通过k个双功能光子计算引擎分别对输入的k路分光信号进行调制得到k路调制光信号；其中，通过嵌入的pn结对输入分光信号进行调制，通过添加的gst模拟权重，使输入的分光信号在进行调制的同时与权重进行乘法运算；
10、所述输出信号模块包括：k个光电探测器，k个光电探测器分别用于将k路调制光信号转换成电信号；
11、所述非线性模块用于对k个电信号进行非线性运算，得到计算结果。
12、优选地，所述激光器阵列包括：n个连续波激光器；不同连续波激光器产生不同波长的连续光信号，n个连续波激光器产生n个不同波长的连续光信号。
13、优选地，所述双功能微环谐振器包括：设置在基板上的两个直波导和环形波导；所述两个直波导相互平行且前后对应；所述环形波导设置在前后两个直波导之间，且与两个直波导分别有耦合区域；所述环形波导的圆周内侧区域设置有p型节；所述环形波导的左侧或右侧沿环形波导的周向设置有n型节；所述环形波导的上表面沿环形波导的周向设置有gst层；所述双功能光子计算引擎的n个双功能微环谐振器的两个直波导分别沿水平方向进行级联。
14、优选地，所述gst层的宽度与环形波导的宽度相同；所述gst层的长度为环形波导周长的0.01～0.1。
15、优选地，所述双功能微环谐振器的两个直波导用于传输具有多个波长的分光信号；n个双功能微环谐振器的谐振条件分别对应分光信号中n个波长的光信号；当分光信号中某个波长的光信号满足谐振条件时，该波长的光信号在耦合区域被耦合到双功能微环谐振器进行调制。
16、优选地，根据卷积神经网络的输入信息对n个双功能微环谐振器的pn结分别施加不同的电压使双功能微环谐振器对输入光信号进行对应的功率幅度调制。
17、优选地，通过对gst层施加外部光脉冲改变gst的晶化度状态，以实现对权重的读、写、存储操作或擦除。
18、优选地，所述非线性模块运用非线性函数对输出信号模块输出的电信号进行非线性运算得到计算结果。
19、优选地，所述紧凑高效光子卷积神经网络加速器还包括：模数转换器、数模转换器、输入缓存器、输出缓存器和动态随机存取存储器；所述模数转换器用于将非线性运算得到计算结果转换为数字信号，所述输出缓存器用于对模数转换器转换后的数字信号进行缓存，所述动态随机存取存储器用于对输出缓存器缓存的信号进行存储；所述输入缓存器用于从动态随机存取存储器中读取输入信号；所述数模转换器用于将输入缓存器读取的输入信号转换为模拟信号，对双功能微环谐振器的pn结施加电压。
20、本发明至少具有以下有益效果
21、本发明将光子技术应用于计算架构设计中，使用光计算代替电计算，同时结合波分复用技术有效地增加了光链路的通道数，实现了光信号的并行处理，提供比传统电神经网络加速器更快的计算速度和更高的能效；将非易失性相变材料gst集成在嵌入pn结的微环谐振器上，组成一种双功能光子计算引擎，可同时进行输入波长功率幅度调制和权重模拟，实现了输入与权重的“存内计算”；对每个双功能微环谐振器上的pn结施加不同的电压可以实现输入光信号的功率幅度调制，而不需要额外添加一组微环谐振器阵列进行输入波长功率幅度调制，减小了同等运算规模下所需的微环数量，同时大幅降低了硬件面积开销；利用gst非易失性及非晶态与晶态之间具有高对比度的特点，将权值映射到每个gst中实现对权值的模拟和存储，避免了持续外加电源带来的功率损耗；此外，引入支持波分复用技术，基于双功能光子计算引擎搭建矩阵乘法器，可以将不同波长的数据同时输入到矩阵中进行乘加运算，提高了并行计算规模。本发明提出的加速器架构致力于实现低能耗、高密度的光子计算，以满足未来大规模图像识别任务的需求。
1.一种基于双功能微环谐振器的紧凑高效光子卷积神经网络加速器，其特征在于，包括：多个瓦片，各个瓦片与光路由器进行通信；
2.根据权利要求1所述的一种基于双功能微环谐振器的紧凑高效光子卷积神经网络加速器，其特征在于，所述激光器阵列包括：n个连续波激光器；不同连续波激光器产生不同波长的连续光信号，n个连续波激光器产生n个不同波长的连续光信号。
3.根据权利要求1所述的一种基于双功能微环谐振器的紧凑高效光子卷积神经网络加速器，其特征在于，所述双功能微环谐振器包括：设置在基板上的两个直波导和环形波导；所述两个直波导相互平行且前后对应；所述环形波导设置在前后两个直波导之间，且与两个直波导分别有耦合区域；所述环形波导的圆周内侧区域设置有p型节；所述环形波导的左侧或右侧沿环形波导的周向设置有n型节；所述环形波导的上表面沿环形波导的周向设置有gst层；所述双功能光子计算引擎的n个双功能微环谐振器的两个直波导分别沿水平方向进行级联。
4.根据权利要求3所述的一种基于双功能微环谐振器的紧凑高效光子卷积神经网络加速器，其特征在于，所述gst层的宽度与环形波导的宽度相同；所述gst层的长度为环形波导周长的0.01～0.1。
5.根据权利要求3所述的一种基于双功能微环谐振器的紧凑高效光子卷积神经网络加速器，其特征在于，所述双功能微环谐振器的两个直波导用于传输具有多个波长的分光信号；n个双功能微环谐振器的谐振条件分别对应分光信号中n个波长的光信号；当分光信号中某个波长的光信号满足谐振条件时，该波长的光信号在耦合区域被耦合到双功能微环谐振器进行调制。
6.根据权利要求3所述的一种基于双功能微环谐振器的紧凑高效光子卷积神经网络加速器，其特征在于，根据卷积神经网络的输入信息对n个双功能微环谐振器的pn结分别施加不同的电压使双功能微环谐振器对输入光信号进行对应的功率幅度调制。
7.根据权利要求3所述的一种基于双功能微环谐振器的紧凑高效光子卷积神经网络加速器，其特征在于，通过对gst层施加外部光脉冲改变gst的晶化度状态，以实现对权重的读、写、存储操作或擦除。
8.根据权利要求3所述的一种基于双功能微环谐振器的紧凑高效光子卷积神经网络加速器，其特征在于，所述非线性模块运用非线性函数对输出信号模块输出的电信号进行非线性运算得到计算结果。
9.根据权利要求3所述的一种基于双功能微环谐振器的紧凑高效光子卷积神经网络加速器，其特征在于，所述紧凑高效光子卷积神经网络加速器还包括：模数转换器、数模转换器、输入缓存器、输出缓存器和动态随机存取存储器；所述模数转换器用于将非线性运算得到计算结果转换为数字信号，所述输出缓存器用于对模数转换器转换后的数字信号进行缓存，所述动态随机存取存储器用于对输出缓存器缓存的信号进行存储；所述输入缓存器用于从动态随机存取存储器中读取输入信号；所述数模转换器用于将输入缓存器读取的输入信号转换为模拟信号，对双功能微环谐振器的pn结施加电压。
