2025年4期文章：

背景介绍

光学神经网络（ONN）具有低功耗、高计算效率和高并行性的特点，为满足日益增长的算力资源需求提供了一种前景广阔的解决方案。然而，现有ONN芯片缺乏高性能的光学非线性激活函数，以及光学线性计算单元在芯片内尺寸大，难以支持高密度集成的全光非线性深度神经网络。此外，由于光学非线性与高并行性之间的固有不兼容性，现有的非线性光学神经网络无法支持多任务和多线程处理。因此，目前的非线性深度神经网络在集成密度、非线性网络深度、多任务和多线程处理能力等方面存在巨大瓶颈。

华中科技大学武汉光电国家研究中心张新亮、董建绩教授团队提出了一种支持多线程处理的全光非线性神经网络。利用锗硅复合波导的非线性响应与衍射结构的波长相关性，实现了多层全光非线性网络的级联，具备同时处理多个任务的能力。研究结果以“”为题，发表在2025年第4期。

研究亮点

图1 片上全光非线性深度衍射神经网络

研究团队提出了一种片上全光非线性深度神经网络芯片（图1），该网络由热光移相器阵列与非线性材料锗共同构建：通过在热光移相器施加电压，可在其周围形成温度场。受热光效应影响，硅层中光传播的有效折射率发生变化，从而引导光的传播路径。借助调控电压大小，研究人员实现了对光场的精确调控，进而完成任意矩阵运算。当光信号通过覆盖有锗材料的区域时，可自发进行一次非线性激活操作。移相器与非线性锗材料结合片上衍射平板波导，构成了完整的全光神经网络架构。此外，得益于衍射结构对波长的敏感性，不同波长的光在衍射平板中会沿不同路径传播，意味着可对应执行不同的矩阵操作和非线性操作，为实现多线程并行处理提供了可能。基于锗材料低损耗的非线性激活特性，研究人员成功制造了如图1所示的三级隐藏层级联光学神经网络。该芯片支持最多64路输入和10路输出，占地面积仅为2.04 × 0.36 mm²（约0.73 mm²），并实现了超低延迟（172ps），为构建高性能全光神经网络奠定了重要基础。

图2 非线性材料锗带来的性能提升

研究人员通过一个测试结构对非线性材料锗的特性进行了表征，如图2（a-b）所示。测试结构为一根宽度0.7 μm、高度0.22 μm的直波导，其上覆盖有一个宽度0.5 μm、高度0.26 μm、长度2.8 μm的锗块。当光信号穿过覆盖锗材料的区域时，光会在锗层中发生耦合与出射，且随着输入光强的增加，输入输出关系呈现出明显的非线性响应特性。值得注意的是，该结构仅有2.4 dB的低损耗，为实现多层级联提供了可行性保障。图2（c）展示了整个网络的响应曲线，进一步证明了所提出结构具备典型的非线性行为。为了验证非线性锗材料带来的性能提升，研究人员还进行了对比实验，采用四分类任务的准确率作为评估指标。实验结果(图2d-e)显示，引入非线性材料后，分类准确率提高了9.1%，进一步验证了所设计光学非线性机制的有效性与优越性。

图3 多线程并行处理

通过利用衍射结构的波长相关性，研究人员成功实现了光域上的多线程并行处理，能够同时处理两个不同的二分类任务，如图3所示。与单独处理单一任务相比，同时处理多个任务并未显著降低准确率。在C波段范围内，该系统最多可支持4个线程。通过增加芯片尺寸和扩展波段范围，所提出的全光非线性衍射神经网络能够支持更多的并行线程，进一步提升处理能力。

总结与展望

基于低损耗锗激活函数，该团队设计并开发了全光非线性深度神经网络芯片，实现了三个隐藏层的密集集成。这种架构在分类任务中表现出色，体积小巧，仅占0.73mm2，与标准CMOS 工艺完全兼容。此外，该芯片还支持多线程并行处理，可同时处理多个分类任务并且具有超低延迟（172 ps）。这些特性凸显了该芯片在集成密度、多线程推理、输入可扩展性和网络深度方面的显著优势，为高密度集成、多线程光学神经网络铺平了道路。

华中科技大学武汉光电国家研究中心的硕士生章佳龙和博士生吴波为该论文的共同第一作者，董建绩教授和周海龙副教授为共同通讯作者。该研究得到了国家重点研发计划和国家自然科学基金的支持。

团队介绍

董建绩教授团队长期从事集成光学与光计算领域研究工作，在光学非线性激活函数、光学深度神经网络芯片、单片集成光学伊辛机芯片、单片集成光学循环计算加速芯片、9bit的光学可编程逻辑阵列、光计算芯片训练和推理等方面获得重要进展，近5年在eLight、Nature Communications、、Light Science & Applications、PhotoniX、Optica 等光学知名期刊发表论文13篇。主持国家重点研发计划、国家杰出青年基金、国家优秀青年基金等项目，获得全国百篇优秀博士学位论文奖，2次获得湖北省自然科学一等奖，1次获得国家（研究生）教学成果二等奖。担任期刊Frontier of Optoelectronics 执行主编、全国智能计算标准化委员会委员、中国光学学会纤维光学与集成光学专委会常务委员，作为发起人组织光子学公开课的光电计算专题。

引用信息：Jialong Zhang, Bo Wu, Shiji Zhang, Junwei Cheng, Yilun Wang, Hailong Zhou, Jianji Dong, Xinliang Zhang, "Highly integrated all-optical nonlinear deep neural network for multi-thread processing," Adv. Photon. 7, 046003 (2025).

期刊简介

（AP）创刊于2019年，是一本重点关注新兴光学领域的基础与应用研究成果、聚焦最新及快速发展的光学与光子学学科的国际OA期刊。期刊入选中国科协高起点新刊计划，2021年被SCI收录，最新影响因子20.6，在全球JCR光学期刊中位列第4（Q1区），中国科学院一区，入选中国科技期刊卓越行动计划（二期）。创刊以来AP发表了众多国际顶尖学者的高水平学术论文，并以采访、新闻、评论等丰富的形式，展现了光学与光子学领域的最近进展。姊妹刊（APN）接收AP的快速转投和自然来稿，致力于成为既发表基础研究类又发表工程应用类文章的综合性大刊，2024年入选中国科技期刊卓越行动计划高起点新刊项目。