一种支持原位训练的光学神经网络架构

本发明涉及光计算与人工智能交叉领域，具体为一种支持原位训练的光电混合神经网络架构。该架构包括光学线性计算单元、光电非线性计算单元、探测单元与权重更新单元。通过级联的Mach‑Zehnder干涉仪阵列实现矩阵向量乘法，利用其前向与反向传播方向对应的传输矩阵互为转置的特性，实现同一硬件结构在前向传播与反向传播过程中的功能切换。通过探测单元获取前向传播的预激活值和反向传播的梯度，并由权重更新单元计算梯度并更新权重参数，从而实现光学神经网络的原位训练。该架构支持在光学硬件中直接执行前向传播和误差反向传播，克服了传统光学神经网络训练依赖通用电子计算机的问题，具备高速、结构紧凑和高可扩展性等优点。