多年以来深层神经网络的发展也十分迅速,它在人工智能界取得了很大的进展并且获得了多方面的关注。研究人员以深层的神经网络为基础设计了不同的结构并将其应用到了医学、商业、制造,生活等许多领域,这有效避免了繁琐的人类工作并且增加了准确性。尽管神经网络给社会带来了便利之门,可是随着指数级累积的数据问题和摩尔定律的限制,以电子芯片为硬件基础的神经网络也将会渐渐达到其计算的瓶颈。自从集成的光子电路被提出以来,光子电路的发展前景就广泛地被人们关注。集成光子芯片由于其独特的优势得以备受研究人员们的青睐,由于光的物理特性,因此光子芯片在工作时能够以超高速、高带宽并且低功耗地完成指定的工作任务,这无疑为及其看重功耗和处理速度的深层神经网络提供了硬件基础。以光子芯片为硬件基础的光学神经网络也应运而生。基于以上发展现状,本文研究内容如下:（1）本文没有采用多数研究中提出的以奇异值分解（SVD）的方法设计光子电路。而是采用了多个相位可控的2×2的光学器件马赫曾德尔干涉仪（MachZehnder interferometer,MZI）为基本单元,通过多级级联相乘的方法,利用三角阵列结构模式设计了一个能够克隆4×4复数值权重矩阵W的级联光子电路,可以通过改变该级联光子电路中的相位来改变该光路所表示的复数值矩阵。另外,还通过马赫曾德尔干涉仪的矩阵表达形式推算出了所设计的4×4级联光子电路的数学矩阵表达形式;（2）以非线性最小二乘（Nonlinear least squares）法为理论基础提出了一个相位决定系统,用于确定所设计的4×4级联光子电路在克隆复数值权重矩阵W时的每个MZI中的最佳相移。同时通过实验测试了相位决定系统的鲁棒性。（3）使用4×4级联光子电路对4×4复数值权重矩阵W进行克隆,通过相位决定系统对4×4级联光子电路中的相位参数的初始化和优化得到相位组的解,比较结果与标准的相位间的差异,通过数据的对比直观地评价克隆效果的优劣。研究表明未采用SVD所设计的4×4级联光子电路能够在一定程度上实现对4×4复数值权重矩阵W的克隆。