高性能的卤化物钙钛矿材料!北京大学,Nature Photonics

科技   2025-01-13 14:00   上海  
在光通信、高性能计算、激光雷达技术、精密传感以及先进成像等多个前沿领域,集成光子芯片凭借其无与伦比的数据处理能力和极低的能耗水平,正逐步展现出其不可替代的重要价值。
一个核心且远大的目标是,在单个芯片平台上实现光源、处理器与光电探测器的全方位集成,从而构建一个功能全面的光子系统。尽管学术界与工业界已提出若干单片集成的概念方案,但受限于材料科学的进展、集成技术的成熟度以及设计策略的创新性,构建一个稳定、高效且具备信号处理能力的片上光子系统,至今仍是一个亟待攻克的重大挑战。
本研究团队开创性地提出了一种创新方案,旨在单一芯片上无缝集成钙钛矿发光二极管、钙钛矿光电探测器以及氮化硅光子信号处理器(如图1所示)。团队精心研制出一种高性能卤化物钙钛矿材料,该材料在光的吸收与发射特性上展现出显著的重叠性与连续可调性,为在光子芯片上同步实现光源与探测功能奠定了坚实基础。同时,借助先进的微纳加工技术和独特工艺布局,成功实现了钙钛矿材料与氮化硅波导网络的高效异质集成。
该集成系统涵盖了尺寸为1 mm×2 mm的发光二极管、拥有15个输入端与2个输出端的13层局部互联光子网络,以及两个尺寸为0.5 mm×0.5 mm的光电探测器。实验结果显示,该光子系统的3 dB带宽达到了2.2 MHz,预示着在充分利用钙钛矿发光二极管的宽光谱特性和探测器的高波长分辨率后,系统计算速度有望跃升至Gbit/s级别。
基于这一开创性的片上光子芯片架构,研究团队进一步构建了具备光子模拟与机器视觉处理能力的光子神经网络,以直观展示其强大的多功能计算能力。在光子模拟任务中,团队特别选取了两个拓扑特性模糊的模型,旨在验证光子神经网络在执行拓扑态模拟时的学习效率与适应能力(如图2所示)。
首先,团队展示了光子神经网络能够精确计算二维无序Su-Schrieffer-Heeger(SSH)模型中的实空间拓扑不变量——拓扑不变平均手性位移。通过灵活堆叠与训练具有15输入2输出的局部连接网络,该网络成功展现了在无序SSH模型中准确预测拓扑不变量的能力。
实验中,随机选取的24个测试样本结果与理论预测高度吻合,充分证明了网络在实验验证中的精确性与可靠性,同时也彰显了光子神经网络在解决复杂无序拓扑问题上的巨大潜力。其次,尽管在拓扑模型中引入非线性效应往往极大增加了计算复杂度,但团队仍勇敢地尝试了在SSH模型中引入三阶非线性克尔效应以调控光的传播。
借助先进网络设计,测试阶段所有时间步的平均保真度高达87%,这标志着网络在时间演化模拟中能保持高保真度,从而展示了光子神经网络在非线性拓扑态演化模拟中的卓越能力。未来,通过进一步优化网络结构,有望进一步增强其对复杂物理体系非线性动态过程的处理能力。
在机器视觉任务方面(如图3所示),研究团队致力于验证所提出的可扩展光子神经网络设计在多样化视觉数据集上的泛化能力,期望超越传统手写数字识别的基准限制。为此,团队选取了包含丰富实景RGB图像的CIFAR-10数据集作为测试对象,在仅包含95,368个可训练参数的情况下,实现了56%的测试准确率。
此外,团队还深入探索了单个光子神经网络单元的计算潜力,特别关注了其作为基本可训练边界检测器的应用前景。实验结果显示,在边界检测数据集上的测试准确率超过85%,有力验证了其有效性。图像分类与边界检测任务在光子神经网络架构中的成功演示,不仅证明了其高度的灵活性,也预示着在计算机视觉领域的广泛应用前景。

光伏领跑者创新论坛
用于发布光伏领跑者创新论坛的活动信息,行业资讯及社会新闻,推进光伏产业技术交流与进步
 最新文章