تحقیق در زمینه دینامیک لیزرهای نیمههادی به دلیل نقش آنها در ارتباطات امن، به دلیل ویژگیهای خاصی مانند تولید سیگنال آشوبناک روز به روز افزایش مییابد. از طرف دیگر پیشرفتهای اخیر در زمینه هوش مصنوعی و رشد روزافزون داده، استفاده از سختافزارهای کنونی را با چالش مواجه کرده است. استفاده از سیستمهای نوری به خاطر فراهم آوردن پهنای باند بیشتر و مصرف انرژی پایینتر یک راهحل جایگزین است، از این جهت تلاش در جهت پیادهسازی شبکههای عصبی با المانهای نوری به یک رویکرد جدید در سالهای اخیر تبدیل شده است. در این پایاننامه ما محاسبات مخزنی نوری به وسیله لیزر نقطه کوانتومی را شبیهسازی کردهایم. محاسبات مخزنی یک روش مبتنی بر شبکههای عصبی بازگشتی و شبکه حالت پژواک است. به طور کلی در یک طرح محاسبات مخزنی سه لایه مجزا از هم داریم؛لایه ورودی، لایه رزروایر(مخزن) و لایه خروجی. در لایه ورودی سیگنال ورودی پس از مدوله شدن با یک سیگنال ماسک(به عنوان وزنهای لایه ورودی) که میتواند مقادیر دودویی، تصادفی و کاملاً آشوبناک باشد، به لایه رزروایر وارد میشود. لایه رزروایر یک المان غیر خطی است که از تعدادی گره مجازی تشکیل شده است و وظیفه انتقال به ابعاد بالاتر برای تسهیل در مسائل مربوط به طبقهبندی را بر عهده دارد. لایه خروجی از حالتهای گرههای مجازی لایه رزروایر در فاصلهزمانیهای مشخص نمونه برداری میکند و طبق روشهای یادگیری ماشین مانند رگرسیون خطی به هر یک از آنها یک وزن اختصاص داده میشود، از جمع خطی حاصل از حالتهای گرهها و وزنها برای پیشبینی سری زمانی استفاده میشود. در این سه لایه فرایند آموزش فقط بر روی دادههای لایه خروجی انجام میگیرد و دو لایه دیگر دارای اتصالات ثابتی هستند، که باعث میشود نسبت به شبکه عصبی بازگشتی فرایند آموزش بسیار سادهتری داشته باشد. پیادهسازی سختافزاری محاسبات مخزنی در الکترونیک نوری بسیار ساده است ، زیرا از یک لیزر به عنوان المان غیر خطی و یک کاواک با قرار دادن آینه در فاصلهای مشخص از وجه انتهایی لیزر برای ایجاد حلقه بازخورد تشکیل شده است. در این پایاننامه لیزر لایه رزروایر استفاده شده در طرح قبلی را با لیزر نقطهکوانتومی جایگزین کردهایم، علت این جایگزینی مزیتهایی مانند جریان آستانه کم، حساسیت پایین به بازخورد و پایداری در دماهای بالاتر در لیزر نقطه کوانتومی است.عملکرد لیزر نقطه کوانتومی را وقتی که سیگنال ماسک به دو صورت دودویی و سیگنال تصادفی با توزیع یکنواخت باشد برای وظیفه پیشبینی سری زمانی بررسی کردیم. در نهایت مشاهده شد که خطای پیش بینی لیزر نقطه کوانتومی به علت پارمترهای داخلی، در حالتی که ماسک به صورت تصادفی باشد کمتر از حالت بررسی شده در مقاله انتخاب شده به عنوان مرجع است.
