插损鲁棒性的全复值光学神经网络

基于马赫-曾德尔干涉仪(Mach-Zehnder Interferometer,MZI)级联拓扑结构的线性光学处理器被证明是实现光学神经网络(Optical Neural Network,ONN)的重要途径,但还有不少实际问题有待解决。针对芯片制造、测试过程中可能导致的相位误差和插入损耗等问题,通过实验和理论仿真分析了几种基于MZI结构的可重构光学处理器。发现可以通过单个N×N的Clements阵列结构来实现任意酉矩阵的权重,构建稀疏连接的全复值光学神经网络,将光学深度大大降低,以实现较高的插入损耗鲁棒性。此外,对于多层光学神经网络来说,由于构建该任意酉矩阵的自由度有限,故在每一层Clements结构前面加一个相移器层,有助于将分类数据映射到更高的数据维度,能使神经网络更快速的收敛。