䇹政学者风采录

陈烨

来自北京大学

䇹政学者姓名：陈烨 

䇹政学者性别：女 

所在学校：北京大学 

就读院系：物理学院 

立项课题名称：神经网络在光学器件中的应用 

䇹政导师姓名：胡小永 

课题介绍： 

项目内容主要包括基于卷积神经网络的全光计算、全光图像识别自学习神经网络。信息技术的快速发展推动了对超快和超低能耗计算的不断增长的需求。现有的电子计算设备具有存储器和处理单元之间数据传输、集成电路相关RC延迟、欧姆损耗等诸多限制。因此，使用光子代替电子作为信息载体将会是一种能够突破这些限制的有效方式。本项目研究了一种基于卷积神经网络实现超快和超低能耗的全光计算器件。该器件由级联的Y形硅波导和侧耦合的硅波导段构成，实现了超越方程求解、多功能逻辑运算等功能。此外，项目还拓展研究了全光图像识别自学习神经网络的理论可行性，二者为芯片上的全光计算开辟了一条新的道路。 

心得体会： 

基于卷积神经网络的全光计算项目主要研究如何利用现有的计算机虚拟神经网络来设计实际的光学神经网络计算芯片，实现解超越方程、16种基本逻辑和半加器功能。本项目中，我主要负责设计了超越方程求解器、逻辑芯片、半加器的基本结构构型，通过编写神经网络程序给出对应构型的基本参数，实现计算功能。全光图像识别自学习神经网络项目主要研究设计非监督学习的神经网络，基于仿生物学六边形构型，实现图像识别（例：指纹识别）功能。本项目中，我主要负责了全光图像识别功能设计、片上自学习神经网络基本结构设计。

目前，基于卷积神经网络的全光计算工作已经全部完成并处于在投状态，我参与了部分补充材料的撰写以及全部实验结果图的绘制。全光图像识别自学习神经网络理论结构设计和仿真计算工作已经全部完成，但在实验方面遇到了一些困难，器件结构的设计制作对实验条件要求较高，本实验室难以达到制作要求。此外，由于该自学习神经网络器件运用了大量的非线性光学材料，其稳定性还有待进一步研究。

通过本次科研训练项目，作为物理专业学生的我对计算机神经网络领域有了更进一步的认识，并能够根据实际光学器件的特点，设计合适的神经网络与光学器件相结合，以实现强大的全光计算功能。本次项目中，我第一次体验了将原本仅是一个模糊的想法一步一步变为实际可用器件的全过程，认识到科研过程需要我们首先发现目前该领域存在的困难，再通过不断努力地尝试和调整方案，在这些困难中做出可喜的突破。同时，本次科研训练让我认识到了未来全光计算芯片的可行性和巨大潜力，其或将使人类社会计算力登上一个新的台阶。