基于光子神经网络的超高算力密度硅基集成光子处理器

近日，北京大学电子学院王兴军教授课题组-常林助理教授课题组在Nature Communications杂志在线发表文章“Microcomb-based integrated photonic processing unit”。文章首次报道了一种基于光子神经网络的超高算力密度硅基集成光子处理器。研究团队历时3年，攻克了多波长并行光计算系统校准和超高精度权重加载两个世界性技术难题。

高算力密度集成光子处理器 此前，人工智能（AI）技术已在数据密集型计算任务中得到广泛应用。在后摩尔时代，为满足AI算力和能耗的巨大需求，光子神经网络应运而生。在特定的光学结构中，利用光子可以实现神经网络中的矩阵乘法、卷积等基本数学运算。得益于光子超高速、大带宽和低能耗的天然优势，计算速度和能效大幅提升。近年来，光子神经网络已经可以通过成熟的光电子集成平台实现。由于其小尺寸、可扩展和低能耗的巨大优势，这种新型的光子处理单元有望突破传统微电子处理器的算力和能效瓶颈，同时彻底改变人工智能的硬件部署。

为了进一步挖掘光计算潜力，光子神经网络需要通过并行的方式提升计算吞吐量。在光子神经网络中引入波分复用是一种有效手段。然而这种先进的计算架构在集成方面面临巨大的挑战。除了实现集成多波长光源的难度大以外，另一个重要的难点是多波长光子神经网络相比单波长方案系统更复杂，需要更精细的校准方法和更有效的控制手段。因此，长期以来，芯片化一直是制约并行光子神经网络发展的瓶颈，阻碍了相关技术的推广和普及。

在该工作中，研究团队实现了一个由多波长光源、高速数据加载/接收单元和计算核心构成的硅基集成光子处理器。针对多波长计算系统开发的校准方法能够实现对各部分光电子器件的准确调控，为目前最高权重控制精度（9 bits）的实现奠定了基础。得益于极高的系统集成度和超高速的信息加载/接收速率，该光电子处理器的算力密度高达1.04 TOPS/mm2。在图像边缘检测和手写数字识别测试任务中，边缘检测质量和识别的准确率（96.6%）与电子计算机水平相当（97.0%）。该工作为全集成多波长光计算系统的实现指明了方向，并有望在未来为整个人工智能领域算力突破提供新的解决方案。   该论文的共同第一作者为电子学院博雅博士后白博文、2020级博士研究生杨其鹏、博雅博士后舒浩文、常林。王兴军、美国加州大学圣塔巴巴拉分校John E. Bowers教授和常林为论文的通讯作者。主要合作者还包括上海交通大学邹卫文教授、张江实验室杨丰赫副研究员、加州大学圣塔巴巴拉分校谢卫强博士（现为上海交通大学副教授），以及电子学院胡薇薇教授、2019级博士研究生沈碧涛、2020级博士研究生陶子涵。该工作由北京大学电子学院区域光纤通信网与新型光通信系统国家重点实验室作为第一单位完成，也是国家重点实验室（北京分校区）和（上海分校区）合作的重要成果。

编辑：黄飞