【儀表網 研發快訊】近期，中國科學院上海光學精密機械研究所空天激光技術與系統部王俊研究員團隊在用于光計算的全光非線性激活器研究方面取得進展，相關成果以“Inverse-designed Integrated All-optical Nonlinear Activators for Optical Computing”為題發表于Optics Express。之后，王俊研究員團隊與之江實驗室、浙江大學團隊合作開發了一種創新的集成非線性激活器，相關成果以“Ultra-broadband all-optical nonlinear activation function enabled by MoTe2/ optical waveguide integrated devices”為題發表于Nature Communications。
光計算和光學神經網絡(Optical Neural Networks，ONNs)被認為有潛力解決當前AI技術在能耗和計算效率上的瓶頸，未來有望成為AI計算硬件架構的主流選擇之一。作為集成ONNs的核心組成部分，光學非線性激活函數在提升網絡復雜度和適應多樣化應用場景方面發揮著至關重要的作用。然而，現有的集成光學非線性激活器在響應速度、激活閾值和工作帶寬等方面仍存在一定的局限性。此外，傳統集成光子器件還面臨通用性不足、高集成度及功能復雜器件設計難度較大等問題，這不利于實現大規模集成的ONNs。
為解決上述問題，研究人員通過實驗驗證了基于逆向設計的硅基全光集成非線性激活器，在器件設計中創新性引入了克爾非線性效應，通過求解非線性麥克斯韋方程組，計算優化結構中的電場分布，使用 L-BFGS算法更新梯度，實現器件結構設計。相比于傳統的光子集成器件，硅基全光集成非線性激活器的尺寸更加緊湊。此外，首次使用64通道 Reck 網格拓撲結構和全光非線性激活器形成完整的全連接ONN，驗證了馬赫增德爾干涉儀的相位誤差對驗證精度的影響。與線性函數相比，包含非線性激活函數的ONN對網格拓撲中的相位誤差具有良好的魯棒性。本研究提出的結果未來很有希望適用于大規模芯片級ONNs。
圖1 基于非線性激活器的全集成 ONN 架構示意圖
圖2 使用帶有非線性激活器的ONNs執行基準機器學習任務的能力演示
為進一步降低非線性激活器的非線性閾值和能耗，研究人員創新性地提出一種基于端面耦合的MoTe2/玻璃光波導平臺，制備了一種激活閾值低至0.94μW，響應速度高達2.08 THz，工作帶寬超過1000 nm的全光集成非線性激活器。并且通過飛秒激光技術演示了在玻璃中制造出的三維大規模光波導陣列，以及集成的 MoTe2/光波導陣列的可能性。研究人員開發的方案和器件支持大規模、高密度集成和多層耦合網絡，這意味著可以實現大規模數據的并行和級聯處理。此外，研究人員利用這一非線性激活器成功進行了手寫數字識別和彩色圖像分類，取得了優異的準確率和卓越的性能。這項研究不僅推動了光子集成技術的發展，也為未來高速光計算的實現提供了技術基礎。
圖3 光學神經元的計算過程
圖4 MNIST手寫數字識別
圖5 CIFAR-10圖像識別
所有評論僅代表網友意見，與本站立場無關。