(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211150996.5 (22)申请日 2022.09.21 (71)申请人 华南理工大 学 地址 510641 广东省广州市天河区五山路 381号 申请人 布鸣特 （佛山） 光电科技有限公司 (72)发明人 叶子阳　周绍林　陈志坚　李斌　 李富华　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 郑宏谋 (51)Int.Cl. G02F 1/01(2006.01) G16C 60/00(2019.01) G06F 30/20(2020.01) (54)发明名称 一种可重构的集成光计算核 模型 (57)摘要 本发明公开了一种可重构的集成光计算核 模型， 包括： 包括M ×N个矩阵计算单元； 所述矩阵 计算单元包括两个双波导微环谐振器、 一个直波 导以及一个相变材料加热器， 所述直波导通过在 硅波导上覆盖相变材料制成； 所述相变材料加热 器用于对相变材料进行加热， 以产生相变， 进而 改变直波导对光的吸收性； 所述集成光计算核模 型通过集成光学的方法实现M ×N矩阵与N ×1向 量的乘法操作， M、 N为自然数。 本发明在计算核中 使用了相变材料， 通过加热改变相变材料的相 态， 改变直波导对光的吸收性强弱， 进而改变计 算核中的矩阵元素， 实现计算核模 型可重构的特 性。 本发明可广泛应用于集成光学 领域。 权利要求书1页 说明书7页 附图5页 CN 115453777 A 2022.12.09 CN 115453777 A 1.一种可重构的集成光计算核模型， 其特 征在于， 包括M ×N个矩阵计算单 元； 所述矩阵计算单元包括两个双波导微环谐振器、 一个直波导以及一个相变材料加热 器， 所述直波导通过在硅波导上覆盖相变材 料制成； 所述相变材料加热器用于对相变材料进行加热， 以产生相变， 进而改变直波导对光的 吸收性； 所述集成光计算核模型通过集成光学的方法实现M ×N矩阵与N×1向量的乘法操作， M、 N为自然数。 2.根据权利要求1所述的一种可重构的集成光计算核模型， 其特征在于， 所述相变材料 为Ge2Sb2Te5。 3.根据权利要求1所述的一种可重构的集成光计算核模型， 其特征在于， 所述双波导微 环谐振器的波导互相垂直但不交叉， 且同一矩阵计算单 元中的两个微环之间不产生谐振。 4.根据权利要求1所述的一种可重构的集成光计算核模型， 其特征在于， 所述两个双波 导微环谐振器上 下排列， 直波导连接上 下两个双波导 微环谐振器的垂直波导。 5.根据权利要求1所述的一种可重构的集成光计算核模型， 其特征在于， 每一行的矩阵 计算单元全部共用一个输入波导以及一个输出波导， 所述输入波导位于每一行 的最下方， 所述输出波导 位于每一行的最上 方。 6.根据权利要求1所述的一种可重构的集成光计算核模型， 其特征在于， 同一列的矩阵 计算单元中的双波导微环谐振器的半径相同， 同一行的矩阵计算单元中的双波导微环谐振 器的半径以等差数列的形式逐渐 变大； 对应每一个半径不同的双波导微环谐振器， 存在一个互不相同的谐振波长， 并且满足 该波长的输入光波将会从输入波导中耦合进微环， 再从输出波导中输出； 不满足谐振波长 的输入光波将会沿着输入波导向后传播给 下一个矩阵计算单 元。 7.根据权利要求1所述的一种可重构的集成光计算核模型， 其特征在于， 所述相变材料 加热器的材 料为氧化铟锡ITO， 所述相变材 料加热器的电极材 料为金属钯Pd； 相变材料加热器覆盖所述相变材 料的全部以及部分硅波导。 8.根据权利要求1所述的一种可重构的集成光计算核模型， 其特征在于， 相变材料经过 所述相变材料加热器加热后， 若温度超过玻璃转换温度而小于融点， 相 变材料将由完全非 晶态变为完全晶态； 若温度超过融点， 相变材 料将由完全晶态变为完全非晶态； 通过使用相变材料的不同相态来表征计算核汇总矩阵的不同元素； 通过相变材料加热 器对相变材料进行加热， 使相变材料发生相变， 从而实现可重构， 即可以任意改变计算核中 矩阵的元 素； 其中， 矩阵的元 素为大于或等于 0、 小于或等于1的任意 正数。 9.根据权利要求1所述的一种可重构的集成光计算核模型， 其特征在于， 所述相变材料 包括多个除完全非晶态、 完全晶态之外的中间态， 且当相变材料处于不同的相态时， 存有不 同的吸收损耗系数wj。 10.根据权利要求1所述的一种可重构的集成光计算核模型， 其特征在于， 所述集成光 计算核模型的输入向量为连续波激光器产生的不同波长激光， 波长 分别对应每一行矩阵计 算单元中双波导微环谐振器的谐振波长， 同时每个输入的激光功率分别对应了矩阵输入向 量的元素。权　利　要　求　书 1/1 页 2 CN 115453777 A 2一种可重构的集成光计算核模型 技术领域 [0001]本发明涉及集成光学 领域， 尤其涉及一种可重构的集成光计算核模型。 背景技术 [0002]人工智能的发展给我们的生活带来了非常多的便利， 其基础是人工神经网络 (Artificial  Neural Network,ANN)， 也就是模拟生物神经网络的产物。 通过使用各种数学 模型进行大量、 快速且精准的运算对A NN实施基于数据集的训练， 训练之后就可以进 行复杂 问题的分析。 然而， 随着AI的不 断发展， 其对于ANN的数据计算速度与精度也有了越来越高 的要求， 且这种增长速率已经让集成电路的摩尔定律望尘不及。 这样两种技术发展速度的 不匹配具体表现在， 现在 进行复杂神经网络训练的计算设备体积庞大， 功耗惊人。 除了不断 打磨现有集成电路技术外， 也有不少的研究人员开始关注另一个完全不同的领域——集成 光学。 [0003]向量‑矩阵乘法运算是神经网络基础的数学运算操作之一， 因此也受到了广泛的 研究， 如何基于集 成光学来 实现快速、 精准的向量 ‑矩阵运算是目前研究 的热点。 光学向量 ‑ 矩阵运算乘法器最初是由美国斯坦福大学的J.W.Goodman于1978年所提出的， 一经提出便 受到了很多学者的广泛关注， 虽然当时已经认识到了基于集成光学 的向量‑矩阵乘法器在 光计算领域将大有所为， 但受限于当时的科技水平， 这 一方面的工作只能停滞不前。 [0004]如今随着半导体制造工艺， 材料科学， 片上光源以及光电探测器的不断发展， 已经 逐渐出现了一些基于集成光学的向量 ‑矩阵乘法器， 但大多都基于马赫 ‑曾德尔干涉仪或是 定向耦合器等片上光器件， 且调控方法大多依赖于热光效应或是电光效应， 受 限于它们自 身的易失性， 这些向量 ‑矩阵乘法器很难进行大规模地扩展， 否则将会导致十分巨大的功 耗。 同时这 一类向量 ‑矩阵乘法器还有着面积较大， 响应速度较慢的缺 点。 发明内容 [0005]为至少一定程度上解决现有技术中存在的技术问题 之一， 本发明的目的在于提供 一种可重构的集成光计算核模型。 [0006]本发明所采用的技 术方案是： [0007]一种可重构的集成光计算核模型， 包括M ×N个矩阵计算单 元； [0008]所述矩阵计算单元包括两个双波导微环谐振器、 一个直波导以及一个相变材料加 热器， 所述 直波导通过在硅波导上沉积相变材 料制成； [0009]所述相变材料加热器用于对相变材料进行加热， 以产生相变， 进而改变直波导对 光的吸收性； [0010]所述集成光计算核模型通过集成光学的方法(如波分复用、 解复用等方式)实现M ×N矩阵与N ×1向量的乘法操作， M、 N 为自然数。 [0011]进一步地， 所述相变材料为Ge2Sb2Te5(简写为GST)、 GSST、 Sb2S3、 Sb2Se3或者In2Se3 等。说　明　书 1/7 页 3 CN 115453777 A 3