文 献 综 述
摘要：近年来,以神经网络为代表的人工智能技术正向着高速低功耗的方向快速发展[1]。传统电子神经网络发展遇到瓶颈，为进一步提高功率效率与计算速度,光子神经网络成为了研究热点。其中基于马赫曾德尔干涉仪(MZI)的光学神经网络发展较为成熟，本文对基于MZI的光子神经网络的研究现状进行梳理，以阐释其面临的挑战和未来发展的趋势。
关键词：人工智能，神经网络，马赫曾德干涉仪，光子神经网络
1. 引言
人工智能是当今信息科学中最为活跃的领域之一，其中人工神经网络(ANN)因为表现出良好的泛化能力和鲁棒性而被广泛应用。目前集成电路芯片是神经网络计算的硬件载体，而由于其采用冯诺依曼架构造成了潮汐性的数据载荷，不仅降低了计算速度还增加了功耗，同时进一步提高集成度也面临量子效应的难题。
光子技术是使用光作为信息传递和处理载体的，相比电子技术具有大带宽，低损耗，高传输信息量等优势,将其与神经网络结合，有望突破传统电子神经网络所遇到的瓶颈。
2. 硅基光子神经网络方案
在神经网络模型的计算中，需要大量线性权重乘加运算和非线性激活函数运算，所以如何使用光电器件实现上述计算是光学神经网络的核心问题。目前计算权重乘加运算有马赫曾德调制器，微环调制器，三维集成，变相材料等方案可以通过调节光的强度实现乘加运算，非线性函数可以使用可饱和吸收体[2,3,4]，变相材料等实现光强的非线性变换。接下来最要介绍较为成熟的MZI方案。
硅基MZI的原理图如图所示[5]。MZI由两个3db的分束器和两个移相器组成，3db分束器常使用直接耦合器，该调制器的传输矩阵如下所示
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
