这篇论文的研究内容由德国明斯特大学的Frank Brückerhoff-Plückelmann教授及其团队完成，研究成果发表在《Nanophotonics》期刊上。该研究聚焦于开发一种新型的光子张量核心（PTC），旨在满足日益增长的人工智能（AI）系统对计算能力的需求。
随着物联网（IoT）和自动驾驶等技术的快速发展，AI系统生成和处理的数据量急剧增加。这不仅对计算能力提出了更高的要求，同时也对硬件的紧凑性和能效提出了挑战。传统的电子计算方法在面对这些需求时，面临着物理极限的制约，例如晶体管密度的提升已接近其极限。因此，研究人员开始探索基于光子的计算方法，尤其是光子神经形态计算，这种方法能够实现内存计算和高度并行化。
本研究的主要目标是设计和实现一种集成的光子张量核心，能够在电信波长下执行实值矩阵向量乘法（MVM）。研究团队采用了相变材料Ge₂Sb₂Te₅（GST）作为光学衰减器，以实现单一正值乘法的功能。此外，研究还开发了一种新型的对称乘法单元，能够直接包含参考计算分支，从而实现对任意实数因子的乘法。变量GST衰减器在100纳米的波长范围内实现了5 dB的调制深度，波长依赖性低于0.8 dB。被动光子电路确保了主计算和参考计算分支在整个波长范围内的均匀耦合。
研究团队首次将波长复用器（MUX）与光子交叉阵列集成在同一芯片上，为实现完全集成的系统铺平了道路。MUX对于PTC至关重要，因为它们能够在单个光子交叉阵列中启用多个计算通道。通过设计基于布拉格散射的MUX，研究团队成功降低了通道间的串扰，级联设计实现了超过61 dB的消光比，同时插入损耗低于1 dB。这一成果为实现光子计算的高效性和准确性提供了保障。
在研究过程中，团队还开发了低损耗的加-落滤波器，利用布拉格光栅的特性，确保了在不同波长通道之间的低串扰。这些滤波器的设计和实现是PTC成功的关键，能够有效地控制光信号的传输和反射。研究者们通过对GST的编程和调节，努力减小波长依赖性，以提高计算的稳定性和准确性。
在光子计算中，乘法操作是核心功能之一。研究者们采用了不相干叠加的方法，通过调节GST的传输水平来实现乘法。通过引入参考计算，研究团队能够实现负值乘法，进一步提高了PTC的灵活性和适用性。研究中提到，使用Nanoscribe设备进行微纳米结构的制造，进一步提升了光子电路的集成度和性能。
尽管研究取得了显著进展，但在实现过程中也面临了一些挑战。首先，串扰问题在多通道并行处理时会影响计算精度。研究团队通过优化MUX设计和级联结构，成功降低了串扰，但仍需进一步改进以满足更高精度的需求。其次，相变材料的光学特性在不同波长下的变化可能导致计算结果的不稳定。研究者们通过对GST的编程和调节，努力减小这种波长依赖性。
随着对计算能力需求的不断增长，光子计算技术展现出巨大的潜力。研究团队的工作为光子张量核心的商业化奠定了基础，未来的研究方向包括将调制器、探测器等主动组件集成到光子张量核心中，以实现更高的计算速度和能效。此外，研究团队提出的布拉格光栅设计规则具有平台独立性，未来可以应用于不同的光子平台，推动光子计算技术的广泛应用。
为了实现光子计算与传统计算系统的无缝连接，开发高效的电气接口至关重要。这将有助于实现光电转换，提高系统的整体性能。光子张量核心在图像处理、信号分析等领域具有广泛的应用前景。随着技术的成熟，预计将推动更多基于光子的智能应用的出现。
Frank Brückerhoff-Plückelmann教授及其团队的研究为光子计算领域开辟了新的方向，展示了光子张量核心在高效计算中的潜力。通过集成超低串扰波长复用器和相变材料，研究团队成功实现了实值矩阵向量乘法，为未来的光子计算系统奠定了基础。随着技术的不断进步，光子计算有望在人工智能和物联网等领域发挥越来越重要的作用。
相关文献及图片出处
https://doi.org/10.1515/nanoph-2021-0752
