本发明属于光学神经网络领域，更具体地，涉及一种大规模可重构的三维集成光学神经网络。
背景技术：
1、随着gpu计算速度和计算能力的迅猛提升，人工智能现在已经成为新一轮科技革命的中坚力量。然而，电学晶体管的尺寸和性能已经趋于极限，将在未来无法满足现实中日益增长的数据量和能耗限制。光由于其宽带宽、高频和低能耗等优点在通信和计算领域得到了广泛关注。特别是光的多维度资源以及并行传输的特点，被广泛应用在以并行矩阵乘法为核心的光学神经网络当中，而集成光学神经网络是有望取代gpu的候选方法。
2、目前片上集成光学神经网络主要基于波导结构与可调光器件集成方案，比如基于马赫-曾德尔干涉仪(mach-zehnder interferometers，mzi)网络和微环谐振器(microringresonators，mrr)阵列两类。这种方案集成度高，但网络复杂度和总器件数随神经元总数增加而快速上升，扩展性有限，常常被限制在100×100以下。
3、另一种方案是基于自由空间光学衍射，该方案利用空间光的每个像素充当光学神经元。虽然空间光调制器的像素数可以轻松地做到1000×1000，但是其集成化还面临着诸多挑战，如采用在硅平板上刻蚀多排狭缝阵列来实现二维多平面衍射的方案只能加载和处理一维信息，大大削减了衍射神经网络的大规模优势，并且重构每个狭缝的有效相移还很困难。
技术实现思路
1、针对现有技术的缺陷和改进需求，本发明提供了一种大规模可重构的三维集成光学神经网络，其目的在于，充分利用空间三维的波导结构，实现神经网络中大规模神经元互连，同时应用光调制器实现神经元间连接权重的可调，从而构建大规模可重构的三维集成光学神经网络，提高集成光学神经网络的可拓展性和灵活性。
2、为实现上述目的，本发明提供了一种大规模可重构的三维集成光学神经网络，包括：光信息输入层、可重构隐藏层、探测输出层和反馈控制结构；
3、可重构隐藏层包括m级波导阵列，对应光学神经网络中的m个全连接层；每级波导阵列包括独立调制区和连续耦合区。独立调制区，包括n×m根独立传输波导和n×m个光调制器，n×m根独立传输波导用于传输输入光信号，且任意两根波导之间不发生相互耦合，所述输入光信号受n×m个光调制器的调制，对应可重构的(n×m)×(n×m)对角矩阵；连续耦合区，包括n×m的波导阵列，波导阵列n×m个输入和n×m个输出间的耦合关系，对应固定的n×m酉矩阵；所述可重构隐藏层用于接收所述光信号输入层的输入光信号，依次通过独立调制区和连续耦合区对输入光信号的强度分布进行调控，得到输出光信号；
4、光信息输入层，用于产生携带有输入信息且入射可重构隐藏层的输入光信号；
5、探测输出层，用于探测输出光信号。
6、反馈控制结构，与所述探测输出层和所述可重构隐藏层连接，用于根据所述输出光信号的功率大小分布信息生成反馈控制信号，并利用所述反馈控制信号调整所述光调制器加载信号，进而对所述多层级联的n×m波导阵列中的光场信号进行调制，从而对可重构隐藏层进行训练，所述可重构隐藏层能够识别当前输入信号的光强空间分布信息。可重构隐藏层中的连续耦合区也可以通过光调制器对波导内光信号的复振幅实现部分调制，对应部分可重构的酉矩阵。
7、在其中一个实施例中，所述光调制器可以为热电极，可以为其他任意光光调制器(热调、电调)，也可以为相变材料。对于热电极和其他任意光调制器，通过施加其他信号来调制通过波导的光信号；对于相变材料，通过改变相变材料的相态来调整波导的透射或反射特性，实现对光信号的有效控制。
8、在其中一个实施例中，所述光信息输入层包括：光源、空间光调制器、第一光束变换器；
9、所述光源用于产生原始光斑；
10、所述空间光调制器用于加载输入矢量信息；
11、所述第一光束变换器用于将加载输入矢量信息的原始光斑缩小后耦合输入可重构隐藏层。
12、在其中一个实施例中，所述探测输出层包括：第二光束变换器、电荷耦合元件；
13、所述光束变换器用于将输出光信号扩大；
14、所述电荷耦合元件用于探测输出光信号的功率分布。
15、在其中一个实施例中，所述反馈控制结构包括：现场可编程门阵列fpga、数模/模数转换器；
16、所述现场可编程门阵列fpga用于执行控制算法；
17、所述数模/模数转换器，与所述现场可编程门阵列fpga连接，用于将所述fpga产生的数字电平转化模拟电平并控制所述可重构隐藏层中波导内光场信号及输入信息/将所述探测器阵列的模拟电平转化为数字电平再送入所述现场可编程门阵列fpga中进行处理。
18、总体而言，通过本发明所构思的以上技术方案，能够取得以下有益效果：
19、(1)本发明所提供的基于可调波导阵列的可重构三维集成光学神经网络，其中包括可重构隐藏层的多级波导阵列，对应神经网络的多个全连接层；每级波导阵列包含独立调制区和连续耦合区。独立调制区，n×m根独立传输波导内光信号受n×m个光调制器引起的调制，对应可重构的(n×m)×(n×m)对角矩阵；连续耦合区，波导阵列n×m个输入和n×m个输出间的耦合关系，对应固定的(n×m)×(n×m)酉矩阵(也可以受光调制器调制，从而实现可重构)。且其中所述反馈控制结构根据所述输出光信号的功率分布生成反馈控制信号，并利用反馈控制信号调整所述光调制器加载信号，进而对可重构隐藏层的光调制器进行控制，进而对波导内光场信号进行调整，以对所述可重构隐藏层进行训练，以能够对当前输入信号进行识别。因此，本发明通过三维集成的可调波导阵列来实现对输入信息的可重构的矩阵乘法计算，进而实现大规模可重构的神经网络，大大提高了集成光学神经网络的可拓展性和灵活性，同时也针对目前三维空间衍射光学神经网络的可重构性低、系统尺寸较大问题提出了解决方案。
20、(2)本发明提供的大规模可重构的三维集成光学神经网络芯片实现实际算力从片上集成平方级到三维集成三次方级的提升，为实现大算力集成光学神经网络奠定了基础。
21、(3)本发明提供的大规模可重构的三维集成光学神经网络芯片基于可调波导阵列的架构，可以实现片上的大规模集成。本发明提供的大规模可重构的三维集成光学神经网络芯片可以采用飞秒激光工艺在玻璃基材料内制备。
1.一种大规模可重构的三维集成光学神经网络，其特征在于，包括：光信息输入层(i)、可重构隐藏层(ii)、探测输出层(iii)和反馈控制结构(iv)；
2.如权利要求1所述的大规模可重构的三维集成光学神经网络，其特征在于，所述三维集成光学神经网络是通过飞秒激光改性的工艺在玻璃基材料里刻写光波导实现的。
3.如权利要求1所述的大规模可重构的三维集成光学神经网络，其特征在于，所述光信息输入层(i)包括：照明光源(1)、空间光调制器(2)、光束变换器(3)；
4.如权利要求1～3任一项所述的大规模可重构三维集成光学神经网络，其特征在于，所述探测输出层(iii)包括光束变换器(6)和电荷耦合元件(7)，光从可重构隐藏层(ii)输出后经过光束变换器(6)将原始输出光斑扩大到完整覆盖电荷耦合元件(7)。
5.如权利要求1～3任一项所述的大规模可重构三维集成光学神经网络，其特征在于，所述独立调制区(4)包含独立传输独立调制的n×m根波导，对应n×m个神经元，n×m个光调制器对n×m根波导内光信号的复振幅进行一一对应的调制，对应可重构的(n×m)×(n×m)对角矩阵。
6.如权利要求1～3任一项所述的大规模可重构三维集成光学神经网络，其特征在于，所述连续耦合区(5)包括相互耦合整体调制的n×m根波导，对应n×m个神经元，连续耦合的波导阵列达到一定传输长度，实现任意输入波导到任意输出波导光场之间的耦合，对应固定的(n×m)×(n×m)酉矩阵。
7.如权利要求1～6任一项所述的大规模可重构三维集成光学神经网络，其特征在于，包括：
8.如权利要求7所述的大规模可重构三维集成光学神经网络，其特征在于，所述反馈控制结构(iv)包括：
9.如权利要求1所述的大规模可重构三维集成光学神经网络，其特征在于，光调制器为热电极、热光调制器、电光调制器或者相变材料，对于热电极、热光调制器、电光调制器，通过施加其他信号来调制通过波导的光信号；对于相变材料，通过改变相变材料的相态来调整波导的透射或反射特性，实现对光信号的有效控制。
10.如权利要求1至6任一项所述的大规模可重构三维集成光学神经网络，其特征在于，n×m个波导阵列呈方形网格阵列均匀排布，或者呈圆形、多边形形状网格阵列的分布。
