︿
Top

可用於神經網路運算的3D氮化矽光晶片

瀏覽次數:1277| 歡迎推文: facebook twitter wechat twitter twitter

科技產業資訊室 - 王宣智 發表於 2018年8月16日

 
圖、
可用於神經網路運算的3D氮化矽光晶片

美國國家標準暨技術研究院(NIST)展示了 3D 光學神經網路可行架構,通過兩個垂直的氮化矽波導平面模擬雙層神經元結構,實現光為資訊載體的3D光學神經網路,研究成果已經發表在 APL Photonics 期刊。
 
NIST 研究人員使用氮化矽為材料製作整合光路由歧管,路由歧管寬800 奈米、厚 400 奈米。3D氮化矽光晶片是通過兩個氮化矽平面的垂直堆疊,形成雙層的光晶片。雙層的光晶片具有100 個訊號接收器,記載處理神經網路分析的結果。雙層結構的上層為光訊號的輸入端,又稱作上游神經元,具有10個光訊號輸入接口,而每一個上游神經元又連接至10個下游神經元,即是光訊號的輸出端。雖然研究團隊只展示了雙層結構的3D氮化矽光晶片,但此結構設計具有高度擴展性,通過整合額外的波導層堆疊,將能夠形成為多層的、複雜的神經網路結構。3D神經網路運算後的結果,即下游神經元的輸出訊號,將通過搭載顯微鏡鏡片的半導體感測器,以頂視相機的方法快速取得。
 
研究團隊撰寫程式自動產生均勻分佈與鐘型分佈的雷射光,用以測試晶片功率輸出誤差。雷射由上游神經元輸入,由頂視相機量測光訊號強度,當的雷射訊號是固定的,晶片的平均輸出功率誤差為0.7db;當雷射訊號為高斯分佈,平均輸出功率誤差為 0.9db。
 
研究團隊提出的光晶片結構設計與量測技術,具有潛力提供光子整合系統在運算、通訊與其它應用的新可能性,如高性能的神經網路科學資料分析、量子資訊科學等。(568字;圖1)
 
 
參考資料:
Silicon Chip Distributes Optical Signals for Potential Use in Neural Networks. Photonics Media,2018/7/31
Design, fabrication, and metrology of 10 × 100 multi-planar integrated photonic routing manifolds for neural networks. APL Photonics,2018/7/26
出處:Photonics Media
時間: 2018/7/31
 

 
歡迎來粉絲團按讚!
--------------------------------------------------------------------------------------------------------------------------------------------
【聲明】
1. 科技產業資訊室刊載此文不代表同意其說法或描述,僅為提供更多訊息,也不構成任何投資建議。
2. 著作權所有,非經本網站書面授權同意不得將本文以任何形式修改、複製、儲存、傳播或轉載,本中心保留一切法律追訴權利。