封面文章丨哈佛大学张兴才等：片上高维光学神经网络

伴随着大数据时代的到来，信息处理与传输容量的不断增加，芯片处理能力的提升就显得尤为重要。与电子比较，光子具有独特的优势，例如超高传输速度、超高并行性、超高带宽与超低传输功耗等；光子器件可在多个维度上拓展其信息处理能力，例如波长、偏振以及轨道角动量等。因此，基于光子芯片/光电子芯片去开发高性能计算、信息处理系统，吸引了学术界、工业界的广泛关注，此技术路径也被视为可延续摩尔定律的有效方法。

Chip-based High-dimensional Optical Neural NetworkXinyu Wang, Peng Xie*, Bohan Chen & Xingcai Zhang*Nano-Micro Letters (2022)14: 221

https://doi.org/10.1007/s40820-022-00957-8

本文亮点

1. 引入片上多波长光源与波分复用技术实现了高维光学神经网络。

2. 可编程的MZI网络以及光电转换模块提升了光学神经网络的性能，可实现多种不同类型特征识别与分类。

3. 光纤阵列与光子功能芯片间实现了超低损耗的耦合与封装。

内容简介

哈佛大学/麻省理工张兴才研究员等提出了一种高维光学神经网络光子智能计算架构，并在实验上论证了并行计算的可行性。该架构主要包括片上多波长光源（微腔孤子光梳）、波分复用系统以及可编程的MZI网络构成的光学神经网络系统。片上多波长光源与波分复用技术的结合，使得可携载的信息呈数量级的增加且高重复频率的光源天然避免了不同信息间的相互串扰。可编程的MZI网络完成矩阵乘功能，光电转换模块完成非线性层激活功能。基于该架构，本研究工作演示了两个不同波长同时携载MNIST数字图片信息的并行识别与处理。该技术的有效性和实用性得以论证，有望解决未来光子计算芯片的算力问题。

图文导读

I 高维光学神经网络示意图

光子芯片在多维、并行信息处理具有独特优势。如图1所示，通过外部单频窄线宽激光器产生高重复频率微腔孤子光梳，其重复频率可以与波分复用系统（WDM）兼容。每个波长可以进行独立信息携载，然后通过WDM进行整合，在可编程的光学神经网络系统中进行相应的特征处理，其后，通过WDM将携载信息的波长进行分离，从而实现并行信息的有效提取。

图1. 高维光学神经网络架构。

II 片上多波长光源

片上多波长光源即为基于光学微腔实现的孤子光梳。本文通过引入双色激光泵浦的技术方案实现孤子态光频梳程控产生，其主要通过声光调制器移频创造用于实现热平衡的激光信号，实现确定性单孤子光频梳的产生（图2a），通过高速探测器以及频谱仪，可以证实孤子频梳的重复频率可以兼容波分复用系统（图2b)。

图2. (a)微腔单孤子光频梳光谱图；(b)微腔单孤子光频梳重复频率。

III 光学神经网络技术体系

人工神经网络主要通过训练完成复杂目标的识别与处理，双层神经网络计算架构与训练流程如图3所示，主要通过调整权矩阵实现与训练数据库的不断逼近，诸如常用的BP算法(图3b)。

图3. (a) 双层人工神经网络架构；(b) BP算法基本流程。

IV 双层光学神经网络方案

此研究工作中，采用双层光学神经网络架构（图4a）主要包括MZI网络（图4c）以及光电转换模块（图4b），MZI网络主要通过调谐单一MZI的两个臂的相位差实现矩阵的调谐，其消光比决定矩阵的实现精度，实验中所用的MZI的消光比约为27dB（图4e），能够保障高精度矩阵的实现，光电转换模块主要包括5:5的定向耦合器、探测单元、强度调制器以及FPGA系统（图4b）。

图4. (a) 双层光学神经网络；(b)光电转换的非线性层；(c) MZI网络结构图；(d) MZI网络封装图；（e）单一MZI的消光比；（f）光信号经过四个MZI时的功率曲线。

V 基于高维光学神经网络的并行数字图片识别

基于高维光学神经网络系统，本研究通过在两个不同波长携载MNIST数据库的数字图片信息，实现了并行识别处理与分类，图5展现出光学神经网络输出功率分布情况，随着不同数字图片信息的加载，输出功率最大比例的输出端口逐渐变化，进而进行识别判断，识别率维持在85%左右。

图5. 不同波长的MNIST数据库并行识别结果。

作者简介

王信宇
本文共同第一作者
中国科学院大学博士

▍主要研究领域
微纳光学与非线性光学。

谢鹏
本文共同第一作者、通讯作者
牛津大学博士后研究员

▍主要研究领域
微纳光学、光子集成芯片及应用技术。
▍主要研究成果
长期从事光子芯片及应用技术研究（面向光计算、光互联、光通信），先后在Nano-Micro Letters、Photonics Research、ACS Applied Electronic Materials、Applied Physics Express、Optics Express等期刊上发表学术论文。研究成果曾被《麻省理工科技评论》、《Deep Tech深科技》等媒体专访报道；基于光子芯片研发的功能器件、应用系统，为多个用户单位提供关键技术支撑，部分科研技术实现转化；曾受邀在哈佛大学、复旦大学等国内外高校开展学术讲座；曾受邀担任学术期刊《Frontiers in Physics》、《Frontiers in Remote Sensing》客座编辑（Guest Editor），多个国际学术期刊审稿人。▍Email:peng.xie@eng.ox.ac.uk

张兴才
本文通讯作者
麻省理工学院/哈佛大学研究员

▍主要研究领域
人工智能、纳米材料、天然及仿生纳米材料。
▍主要研究成果
张兴才博士，哈佛大学/麻省理工研究员，主要从事人工智能/微流控赋能的可持续天然及仿生纳米材料和技术及其在生物医药及可持续能源环境中的应用研究，迄今为止已在Nature Reviews Materials, Nature Nanotechnology，Nature Medicine，Nature Reviews Clinical Oncology, Proceedings of the National Academy of Sciences U. S. A. (PNAS)，Nature Communications, Science Advances, Nano-Micro Letters, Journal of the American Chemical Society, Angewandte Chemie, Advanced Materials, Materials Today, Progress in Materials Science, Chemical Society Reviews等国际顶级期刊发表三位数的高质量论文。2017年起应 Nature VP邀请协助Nature完成Nature Outlook Tea自然茶专刊的出版发行受到Nature的高度评价和致谢，多次应邀为Nature系统开展相关科学讲座，并作为Nature Communications的唯一作者代表参与Springer Nature 一百万篇金色开源期刊系列的庆祝视频录制。应邀为Nature, Materials Today, Royal Society of Chemistry英国皇家化学会等进行科学学作，并担任过Springer Nature, American Chemical Society,Wiley等期刊编委会或者顾问委员会成员。在自然科学与茶领域的工作在世界范围内收到各界的广泛好评和Fox News, Boston Globe, Boston Magazine, Harvard Political Review, China Daily USA, Boston.com, Boston Herald, Tufts Daily, Boston City TV, China Radio International, EurekAler, American Association for the Advancement of Science (AAAS), 麻省理工科技评论等主流媒体的广泛报道。

▍Email:xingcai@mit.edu

撰稿：原文作者

编辑：《纳微快报(英文)》编辑部

关于我们

Nano-Micro Letters《纳微快报(英文)》是上海交通大学主办、在Springer Nature开放获取(open-access)出版的学术期刊，主要报道纳米/微米尺度相关的高水平文章(research article, review, communication, perspective, highlight, etc)，包括微纳米材料与结构的合成表征与性能及其在能源、催化、环境、传感、电磁波吸收与屏蔽、生物医学等领域的应用研究。已被SCI、EI、PubMed、SCOPUS等数据库收录，2021JCR影响因子为 23.655，学科排名Q1区前5%，中科院期刊分区1区TOP期刊。多次荣获“中国最具国际影响力学术期刊”、“中国高校杰出科技期刊”、“上海市精品科技期刊”等荣誉，2021年荣获“中国出版政府奖期刊奖提名奖”。欢迎关注和投稿。

Web: https://springer.com/40820

E-mail: editor@nmlett.org

Tel: 021-34207624

如果文章对您有帮助，可以与别人分享！：Nano-Micro Letters » 封面文章丨哈佛大学张兴才等：片上高维光学神经网络

本文亮点

内容简介

图文导读

作者简介

关于我们

相关推荐