近日，清華大學深圳國際研究生院副教授耿子涵團隊聯合鵬城實驗室等單位，提出了一種基于級聯微環諧振器的光電神經網絡架構。相關研究成果以封面文章的形式發表于《激光與光子學評論》。
該研究通過器件結構創新與系統級的優化設計，實現了高消光比與窄帶寬，顯著提升了系統的光譜密度與計算密度，成功攻克了因光強非負性而難以實現負權重表達的難題。在手寫數字識別與細胞邊緣提取、分類等任務中均展現出優異性能，為高密度光電計算芯片的研究與發展奠定基礎。
隨著人工智能算法復雜度的持續提升，傳統電子計算架構在算力密度與能效上面臨瓶頸，越來越難以滿足大數據時代智能算法對算力的需求。光電神經網絡因其低延遲、低功耗、大帶寬和高并行性等優勢受到關注，成為解決算力問題的重要方向。
然而，現有的基于微環諧振器的光電神經網絡性能受限于單環結構的低消光比、大通道串擾及有限的權重可調范圍等問題，且傳統架構依賴平衡探測器來實現正負加權操作，增加了系統的成本與復雜度。
針對上述難題，研究團隊提出了一種基于級聯微環諧振器的光電神經網絡架構。該系統通過器件結構創新，實現了55分貝的高消光比、0.17納米的窄帶寬，使得光譜密度提升6倍，計算密度達2.48萬億次運算每平方毫米。同時，結合所設計的信號調制與探測電路，僅使用單個探測器就能實現正負加權操作，降低了成本與系統復雜度，推動光電計算向高密度、高精度方向發展。
研究團隊提出的基于單個光電探測器的正負加權架構，能夠簡化光電計算系統，規避了傳統平衡探測對器件一致性的嚴苛要求，能夠降低硬件成本與面積，助力大規模光電集成計算系統落地。
此外，研究人員設計的級聯微環諧振器，兼具線性加權與非線性激活功能，作為線性加權單元時，其動態權重調節范圍更廣、抗噪聲魯棒性更強，計算密度更高，優于多數現有基于微環的光電神經網絡方案。同時，其透射曲線的非線性映射特性也可用作非線性激活函數，相比單環架構，透射曲線斜率更陡、導數更大，用于手寫數字數據集訓練時，收斂更快，識別準確率達95.23%。
相關論文信息：https://onlinelibrary.wiley.com/doi/10.1002/lpor.202570064