半导体光放大器中的非线性偏振旋转人工神经元实验实现

本文研究了半导体光放大器（SOA）中基于非线性偏振旋转的人工神经元模型，发表在《光学通信》(Optics Communications)杂志的第435期(2019年)405-408页。该研究专注于光电子人工神经网络的实验实现，这在光通信领域具有重要意义，因为它是利用SOA的非线性特性来模拟生物神经元的工作原理。 在这个创新设计中，作者提出了一个能执行sigmoid函数的光电子电路，sigmoid函数是神经元活动中常见的激活函数，它在神经网络中起到关键的信号传递和处理作用。通过单个SOA中的非线性偏振旋转(NPR)，研究人员能够构建一个连续的、模拟生物神经元行为的系统。 NPR是非线性的，当电流通过SOA时，产生的偏振旋转与光功率诱导的偏振旋转相拮抗，这种特性使得该系统能够区分和响应不同的输入信号。 电路的核心在于，兴奋性和抑制性刺激可以通过光学注入和电学调制相结合的方式来实现。光学注入指的是通过调整入射光的强度和极化状态来模拟神经元的激活，而电学调制则是通过控制电流来调控SOA的非线性响应，进而影响输出光的偏振变化。这种方法不仅简化了传统的多层结构，还提高了系统的灵活性和效率。 此外，关键词“光学神经系统”、“半导体光放大器”和“光学处理设备”强调了这项工作的核心领域，即利用光和电子相互作用来构建新型的、高效的光子神经网络元件，这在光通信、信息处理以及光计算等领域具有潜在的应用价值。 这篇研究论文展示了如何利用SOA的独特性质来构建一种功能强大的人工神经元模型，这为光电子集成技术开辟了一条新的路径，并可能推动光子计算和光通信技术的未来发展。通过实验验证和理论分析，这一成果对于理解光子神经网络的运作机制以及优化光子器件的设计具有重要的科学意义。