科学家制造出可自我配置的新型光学芯片
发布时间：2023-10-16 10:07:23 阅读数： 17
研究人员发明了一种直观的光学芯片，它可以自行组织完成多项任务。由于他们完成了正实值矩阵计算，该设备有可能被用于需要光学神经网络的应用中。
光神经网络可用于许多数据密集型应用，包括语音识别、手势解读和图像分类。
实践证明，光子集成电路可以在制造后进行修改，以执行各种任务。然而，由于用户必须了解芯片的基本工作原理和原理，并手动修改芯片的每个基本组件，因此有时设置这些芯片具有挑战性。
我们的新型芯片可被视为黑盒，这意味着用户无需了解其内部结构即可改变其功能。他们只需设定一个训练目标，在计算机控制下，芯片就会根据输入和输出进行自我配置，实现所需的功能。---董建基，研究小组组长，华中科技大学
研究人员在《光学材料快报》（Optical Materials Express）杂志上介绍了他们的创新装置，该装置建立在马赫-泽恩德干涉仪（MZI）网络之上，而马赫-泽恩德干涉仪是基于波导的光学元件。他们展示了该设备能够自我配置，以执行光路由、低损耗光能分配和神经网络构建矩阵计算。
Dong说："未来，我们有望实现更大规模的片上可编程波导网络。随着进一步的发展，我们有可能实现与现场可编程门阵列（FPGA）相媲美的光学功能--现场可编程门阵列是一种电气集成电路，在制造完成后可以重新编程以执行任何所需的应用。
创建可编程 MZI 网络
光学神经网络是由相互连接的节点网络构建而成的，对于需要光学神经网络的应用，片上四边形 MZI 网络可能会有所帮助。光学神经网络必须使用已知数据进行训练，以建立每对节点之间的权重，这需要矩阵乘法才能成功使用。
"片上矩阵运算通常使用前向传播 MZI 网络或微oring 阵列来实现。受电子学中 FPGA 的启发，我们希望使用一种 MZI 拓扑网络结构，允许矩阵运算的前馈和后馈传播，"Dong 进一步指出。
他们设计了一种装置，可以通过改变电极的电压来改变四边形网络中不同的光传播路径。研究人员采用梯度下降法加快了成本函数的收敛速度，而成本函数在每次训练迭代中都会衡量网络的准确性。
每个训练周期结束后，芯片会更新所有可调电极的电压，而不是单个变量的值，这进一步提高了成本函数的收敛速度。这些改进有助于加快训练过程。
实现各种功能
研究人员首次在四边形 MZI 网络中演示了利用该设备进行所谓的正实数矩阵计算。芯片的训练矩阵和目标矩阵之间的差异不大。
他们还实现了具有高消光比的光路由，这是正实矩阵计算的一个子集。光路由可在 CPU 和内存单元等数据中心设备之间高效传输光通信。在处理大量信号时，与电气技术相比，光学技术有助于最大限度地减少延迟和功耗。
研究人员目前正在努力开发这种芯片，使其能够执行更多的矩阵操作。除光学神经网络外，他们还希望研究将其用于其他矩阵计算应用。
参考资料
Zhao, M., et al. (2023) On-chip multifunctional self-configurable quadrilateral MZI network. Optical Materials Express. doi:10.1364/OME.499408
