摘要
华东师范大学物理与电子科学学院程亚教授课题组应用飞秒激光辅助化学机械抛光（PLACE）技术，首次展示了基于薄膜铌酸锂(TFLN)的可电光调谐马赫-曾德尔干涉仪网络(MZI)的光子神经网络。该芯片具有超高的保真度、高计算速度以及卓越的能量利用效率。有望为可持续发展的高效能光子神经网络的规模化铺平道路。
关于文章
ABOUT ARTICAL
近年来，人工智能(AI)技术的爆发性增长带来了惊人的算力和能耗需求，随着近10年来AlphaGo、GPT等的兴起,其对算力的要求几乎每3～4个月翻一番；尽管通过智能架构和软硬件协同，英伟达GPU从P100到A100，其算力提升了两个数量级，但算力提升的背后是对能源的巨大消耗，因此在不久的将来，能耗问题将成为制约AI发展的重要因素；在此背景下，如何找到能够承载更高算力同时具备更低功耗的下一代AI芯片体系成为当下亟需解决的问题；
基于光子集成芯片的光子神经网络为上述问题提供了很有希望的解决方案。通过激光在MZI网络中的传输来执行矩阵乘法运算，相较于电子学系统，光子神经网络凭借其高通量、高效率以及并行处理的能力，展现出更高的算力和更低的功耗。有望解决解决人工神经网络（ANNs）的两个终极挑战，即对计算速度和高能耗的巨大需求。然而，目前传统基于硅光平台的光子神经网络芯片大多基于热光效应实现相位调控，需要持续消耗能量来维持参数配置，伴随着复杂的热串扰问题，且调控速率较低，这些成为了制约光子神经网络芯片发展的关键因素。铌酸锂（LiNbO3，LN）晶体可利用晶体中固有电偶极矩对外加电场的快速响应来对光场进行相位调控，基于电光效应的相调器只在充放电的瞬间消耗能量，相比热调方案其能耗往往有数个数量级的优势，这为低功耗高速调控的光子神经网络芯片提供了诱人的解决方案。
在本研究工作中，华东师范大学博士生郑勇与伍荣波副研究员、程亚教授等人基于自主研发的飞秒激光辅助化学机械抛光（PLACE）技术，攻克了超低损耗与超大规模薄膜铌酸锂光子芯片制造难题，构建了世界上最大规模的薄膜铌酸锂光子神经网络原型芯片“禅芯-1”（ZEN-1），如图1。“禅芯-1”是目前集成规模最高的薄膜铌酸锂光子神经网络芯片，单片集成54路独立电控单元，矩阵运算保真度达到98.5%，算力达到0.64 TOPS/s，能效高达30 TOPS/W，相比同架构的硅光神经网络芯片，提高了1～2个数量级。“禅芯-1”在包括非线性数据点集Circles和Moons的分类、鸢尾花种类识别与手写数字识别在内的几项基础深度学习应用中表现出超过90%的准确率。本研究工作还进一步论证了，“禅芯”系列芯片的算力与能量利用效率都将随着芯片规模的扩大而持续提高，如图2。该研究成果展示了铌酸锂光子神经网络在解决传统计算设备能耗问题上的巨大潜力，有望在未来可持续发展的智能计算领域发挥关键作用。
研究者相信，我们将见证未来更大规模和更高性能ZEN的出现，最终揭示光子神经网络是否能够真正作为一种广泛采用的AI硬件。
相关论文在线发表在Laser & Photonics Reviews (10.1002/lpor.202400565)上，并被选为当期（Vol.18）封背文章。
图 1.“禅心-1”铌酸锂光子神经网络芯片照片
图 2. “禅芯”系列芯片的算力以及能量利用效率随芯片规模增长趋势
图 3. Laser & Photonics Reviews Vol.18 封背
文章信息
Photonic Neural Network Fabricated on Thin Film Lithium Niobate for High-Fidelity and Power-Efficient Matrix Computation
Yong Zheng,Rongbo Wu*,Yuan Ren,Rui Bao,Jian Liu,Yu Ma,Min Wang,Ya Cheng*
Laser & Photonics Reviews
DOI:10.1002/lpor.202400565
