83、神经网络硬件实现：光学方案探索

神经网络硬件实现：光学方案探索

1. 无监督竞争与抑制网络

在解决一些特定问题时，无监督神经网络展现出了强大的能力，例如旅行商问题。竞争网络是大多数无监督学习算法的基础，常见的包括 MAXNET、Kohonen 的自组织特征映射、广义竞争学习和自适应共振理论等。

竞争网络的核心在于在特定群体中寻找最大值（或最小值），这是一种非局部函数，非常适合并行实现。通常通过相互抑制的方式来实现，即强者（数值大的）抑制弱者（数值小的），从而“赢得”竞争。不过，全光方式实现抑制较为困难，光电设备阵列是更好的选择，其中相互抑制信号可以是光信号或电信号。

2. 硬件相关技术

2.1 光调制材料

光与光之间的弱非线性相互作用使得几乎所有实用的空间光调制器（SLM）都涉及光 - 电 - 光相互作用。以下是几种常见的光调制材料：
- 电光材料 ：具有与电场相关的折射率。线性依赖于电场的效应称为普克尔斯效应，二次依赖的称为克尔效应。可以通过将电光材料纳入干涉仪来使诱导的相位变化显现，也可用于改变两个平行光波导之间的耦合。当调制器置于一对交叉偏振器之间时，可观察到与电压相关的透射率。
- 液晶材料 ：由有序的细长有机分子组成，具有自然的偏振旋转能力。在施加电场的影响下，分子的取向可以改变，从而实现偏振变化，通过外部偏振器可将其转化为强度变化。根据液晶和单元结构的不同，可实现连续模拟或双稳态操作，但速度比晶体固体慢。
- 磁光或法拉第效应材料 ：光的偏振面会在施加磁场的作用下发生旋转，类似于其他偏振调制材料，可使用外部偏振