论文部分内容阅读
神经网络作为人工智能的核心已经被广泛应用于信息处理、生物医学、智能控制等领域。然而,随着社会信息需求量的不断增长和处理任务复杂度的不断提高,研发功能更多和计算能力更强的神经网络显得尤为重要。光子Spiking神经网络可以克服传统的基于电学方式的Spiking神经网络在带宽、能耗和信息交换容量等方面的限制,且能提供比生物神经快近8个量级的spiking动力学行为,因而备受关注。近年来,人们提出了不同基于半导体光放大器、半导体激光器等光学器件的光子神经模型。其中,带有饱和吸收体的垂直腔面发射激光器(VCSEL-SA)属于一种典型的累积发放神经元(LIF)模型,具有易集成和拓展、可产生更短的亚纳秒脉冲、成本低等优点,因而已经成为了一种理想的神经拟态器件。因此,研究基于VCSEL-SAs的超快spiking动力学及其应用具有重要的学术和应用价值。本文理论研究了VCSEL-SA神经元在外部扰动下的spiking动力学特性,讨论了光注入强度和扰动时间对spiking模式的影响,以及VCSEL-SA神经元在两个连续扰动下的不应期现象。当外部扰动的强度和扰动时间超过一定阈值后,spike信号就会被激发,且随着注入强度和扰动时间的增加,神经元可能在扰动时间内产生更多spikes信号。对于两个连续的扰动信号,当两个扰动之间的时间间隔短于VCSEL-SA神经元的不应期时,神经元在不应期内不会激发spike信号。在此基础上,我们提出了三个串级VCSEL-SAs组成的光子神经系统,数值研究了该系统spiking模式的编码、传输和存储特性。研究结果表明,在合适的扰动强度下,第一个VCSEL-SA1可以将规则或非规则的刺激信号转化为spike信号。在理想的情况下,二进制码到spike(BTS)的转换速率可达到1Gbps。在一定程度上增加扰动强度和激光器的偏置电流均有助于提高系统BTS转化速率。此外,通过调整神经元间的耦合权重值,VCSEL-SA1激发的spiking模式在经历一定的延迟时间后可以被稳定的传输到其他两个VCSEL-SAs神经元(VCSEL-SA2和VCSEL-SA3)。最后,在VCSEL-SA1上引入反馈回路后,我们成功实现了spiking模式的存储,相对大的反馈强度和反馈时延均有利于spiking模式的存储。这些结果可为VCSEL-SAs神经元在未来超快仿神经光子网络和类脑计算等领域的应用提供一定的理论支持。