陳啟昌

邏輯閘在數位訊號處理中扮演重要的角色。在本研究中，我們使用光通訊軟體(OptSim)來設計以回聲狀態網路(Echo State Network, ESN)為類神經網路數學模型的光學架構。光源為一CW雷射，神經元中使用到的在光學元件包含：摻鉺光纖放大器、耦合器、光纖。輸入電信號經調制器調制光源CW雷射信號進入神經元。在本論文中，我們使用馬赫-曾德爾強度調制器與相位調制器，來調制輸入信號。在邏輯閘的輸出端，我們使用相位調制器來優化輸出結果，邏輯閘輸出信號的光強度由光偵測器接收，轉換為電信號。 邏輯閘的神經元中的耦合器提供了光干涉的效果，光干涉的輸出與輸入的為非線性的關係。我們利用此一關係來提供在ESN中所需的非線性函數效果。輸入信號偽亂數二進序列(Pseudo-Random Binary Sequence, PRBS)訊號作為訓練資料。神經元中的光纖提供了光延遲的效果，使得每一bit信號皆能與前一bit信號重疊。我們分別透過監督式與非監督式的學習方式來訓練類神經網路，最後透過誤碼率(Bit Error Rate, BER)及歸一化均方根誤差(Normalized Root Mean Square Error, NRMSE)來評估系統的表現。 在使用相位調制器調制2048位元PRBS信號的結構中，我們可得到XOR的邏輯閘(監督式學習系統誤碼率為0，NRMSE為0.20；非監督式學習系統誤碼率為0，NRMSE為0.16)。在使用強度調制器調制2048位元PRBS信號的結構中，OR邏輯閘亦呈現較低的誤碼率(誤碼率為0.0654，NRMSE為0.51)。 相位調制器與強度調制器比較起來，相位調制器的優點為: 成本較低、速度較快、元件較小、光耗損較少。以本研究結果來看，誤碼率也展現較優越的性能。因此選擇相位調制器用於光神經網路系統的輸入信號調制是比較好的選擇。