光电工程
论文推荐
西安电子科大项水英教授团队发表了特邀综述“光子神经网络研究进展”，总结了片上集成的光子神经网络的研究进展和基于自由空间光学的光子神经网络的研究进展，进一步介绍了光子神经网络中硬件感知的非原位训练和片上原位训练方法的研究进展，最后讨论了光子神经网络面临的挑战，并展望其未来的研究方向和应用前景。
第一作者：项水英
通信作者：项水英
点击文章标题查看全文
研究背景
随着数据的爆炸性增长、算法模型的日益复杂以及应用场景的广泛拓展，人工智能领域的蓬勃发展，对算力和功耗的需求也急剧增加。然而，随着晶体管尺寸接近物理极限，摩尔定律的增速接近终结，现有计算方法的算力供给增速难以满足AI系统指数式爆发的算力需求；同时，基于冯·诺依曼架构的传统处理器存储与计算分离带来的内存墙和功耗墙效应，导致信息处理的高能耗和低效率。因此，探索新型的计算范式和计算系统来应对人工智能的高速发展迫在眉睫。相比于现有的计算机系统，人脑具有低能耗、高效率、学习和认知能力强等特点，神经形态计算通过借鉴人脑结构和信息处理方式，从硬件架构、软件算法及基础器件等多个角度出发，结合脑科学与计算神经科学，实现对现有的计算体系与系统的本质变革，是面向人工通用智能的新一代高速、低功耗智能计算系统。然而，基于电子连接的神经形态计算芯片面临严重的带宽-连接密度权衡问题，其能效和计算速度难以进一步提高。
光学平台具有高速、大带宽、低串扰和低功耗等天然优势，特别适合于连接密集、基于脉冲的超快信息处理网络，利用光计算替代传统电子计算将是解决当前算力与功耗问题的极具潜力的途径之一。光子神经形态计算通过光学硬件模拟生物大脑基本构建块，并将其组合成适当规模的神经网络，以光子作为信息传输载体，利用光和光学器件的特性，来完成计算过程，充分利用了光子学的优势，是光子学和神经形态计算交叉融合的前沿研究领域。光子神经网络功耗低、并行性高、速度快，在满足大量数据处理需求的同时降低了能耗，其发展历程可以追溯到20世纪80年代，当时主要是基于光电效应和光学器件实现神经网络的模拟，随着光学技术的不断进步，如今的光子神经网络已经发展成为一种结合光学计算和神经网络算法的全新领域。
研究亮点
近日，西安电子科技大学项水英教授团队在《光电工程》2024年第7期上发表了题为“光子神经网络研究进展”的特邀综述文章。光子神经网络作为光电子技术与人工智能技术的交叉学科产物，能够将两者的优势结合起来，构建出高速低功耗的网络结构，突破传统电子神经网络的瓶颈，表现出强大的计算能力。目前，光互连技术主要分为波导光互连与自由空间光互连两大类别，基于光互连机制，光子神经网络主要包括基于集成光学平台和基于自由空间光学两种实现形式。近年来，国内外研究人员针对基于集成光学平台的光子神经网络和基于自由空间光学的光子神经网络展开了广泛的研究。基于集成光学平台的光子神经网络使用光波导引导光波传播来实现互连，光波导通常分为两类：一种是圆柱形光波导，即光纤；另一种是集成光波导。自由空间的光子神经网络利用光在开放空间中的传播和交互来模拟生物神经元和突触的功能，实现神经形态计算和信息处理。在神经网络的构建过程中，训练是一个重要的步骤，它决定着整个系统的性能，因此，光子神经网络的训练问题是扩展光子神经网络应用的制约因素，目前，光子神经网络的训练方法包括硬件感知的非原位训练和片上原位训练两种方法。
基于此，该综述首先总结了片上集成的光子神经网络的研究进展，包括基于半导体激光器、基于硅光微环谐振器、基于马赫-增德尔干涉仪和基于相变材料的光子神经网络；然后总结了基于自由空间光学的光子神经网络的研究进展，包括基于衍射光学元件和基于超表面的光子神经网络；进一步介绍了光子神经网络中硬件感知的非原位训练和片上原位训练方法的研究进展；最后讨论了光子神经网络面临的挑战，并展望其未来的研究方向和应用前景。
图1 光子神经形态计算的研究内容
总结与展望
展望未来，光子神经网络正呈现出一种多层次、跨领域、全方位的发展格局，从材料器件、系统架构到算法实现，形成了一条自下而上、层层递进、互为支撑的技术发展脉络。在器件层面，致力于进一步降低光脉冲神经元和光突触器件的单元功耗、提高速率，并努力开发大规模光脉冲神经元和光突触阵列，以增强网络规模的可扩展性；在系统架构层面，积极探索光脉冲神经元与光突触芯片的异质异构集成技术，并深入研究光计算芯片与电控制芯片的光电融合集成，力求在硬件层面实现多层光子神经网络的构建，并实现光神经网络芯片的小型化；在算法层面，专注于深度脉冲神经网络算法的研究及其应用的拓展，以期实现从专用计算到通用计算的跨越。光子神经网络将光子的高并行、高速传输、低能耗等特性与神经网络的强大计算能力完美结合，展现出前所未有的潜力和优势，进而更广泛地应用于数据中心、自动驾驶等复杂场景，为这些领域带来颠覆性变革，并将推动光子神经网络这一全新计算范式的发展，引领下一代人工智能计算科技迈向更加高效、智能的未来。
该项目得到了国家重点研发计划项目(2021YFB2801900，2021YFB2801901，2021YFB2801902，2021YFB2801903，2021YFB2801904，2018YFE0201200)，国家优秀青年科学基金项目(62022062)，国家自然科学基金项目(61974177)，中央高校基本科研业务费专项(QTZX23041)的支持。
研究团队简介
该工作由西安电子科技大学空天地一体化综合业务网全国重点实验室项水英教授团队完成。该团队主要研究方向为光子神经形态计算、光子脉冲神经网络、类脑计算、光计算、储备池计算、光电芯片及集成技术、硅光芯片及集成技术、FPGA神经网络协处理器、神经网络加速器、脉冲神经网络算法及应用等。近年来，团队承担国家重点研发计划项目、国家自然科学基金等多项科研项目。在Optica、Laser & Photonics Reviews、Opto-Electronic Advances、IEEE Transactions on Neural Networks and Learning Systems、Photonics Research等高影响力期刊发表论文120余篇，应邀撰写光神经形态计算领域综述5篇，2023、2024年连续2年入选“全球前2%顶尖科学家榜单”，获得多项国家发明专利。
长按识别此二维码，直达全文
点击下载PDF
文章荐读
OEA | 面向卷积脉冲神经网络的光子集成神经突触芯片【西安电子科技大学郝跃院士、项水英教授团队】
光电工程
《光电工程》（Opto-Electronic Engineering）创刊于1974年，由中国科学院光电技术研究所和中国光学学会主办，是中文核心期刊和中国科技核心期刊，被Scopus、CA、JST以及CSCD、CSTPCD、CNKI等国内外数据库收录，受到了国家自然科学基金委和中国科协相关项目的支持，并入选了“西牛计划”精品中文科技期刊。本刊一直致力于光电工程领域的科研报道和学术交流，主要刊登光电领域的科研进展、原创成果以及综述，并针对热点问题和前沿课题出版相关专题。
投稿地址：
期刊官网：
联系邮箱：oee@ioe.ac.cn
OEA
光电进展
英文 SCI
JCR IF 15.3
聚焦创新前沿
OES
光电科学
英文 卓越行动
高起点新刊
探究物理机制
OEE
光电工程
中文核心
SCOPUS
面向工程应用
OET
光电技术
英文 卓越行动
高起点新刊
关注核心技术
OER
光电研究评论
英文新刊
即将创办
汇集综述评论
编辑 | 曾晚婷 张诗杰
审核 | 杨淇名
转载或合作请联系：gdgc@ioe.ac.cn
点击“在看”给我一朵小黄花
