全光非線性深度神經網絡芯片：開啟多線程AI計算新范式

    在人工智能與大數據技術爆發的時代，電子神經網絡面臨著功耗墻與算力瓶頸的雙重挑戰。光學神經網絡憑借低功耗、高并行性的天然優勢，成為突破傳統電子計算極限的關鍵方向。近日，華中科技大學武漢光電國家研究中心張新亮、董建績教授團隊在《AdvancedPhotonics》發表重要成果，首次實現全光非線性深度神經網絡芯片（AOND2NN）的單片集成，以顛覆性技術突破了光學計算在非線性激活、多線程處理與高密度集成領域的核心難題。

    一、突破傳統：全光架構破解計算困局

    現有光學神經網絡（ONN）雖具備低延遲特性，但受制于兩大瓶頸：

    1.非線性激活缺失：傳統光學計算依賴線性元件級聯，難以模擬生物神經元的非線性響應，導致復雜任務處理能力受限；

    2.多線程處理空白：光學系統的高并行性與非線性機制存在內在矛盾，無法同時執行多任務計算。

    該團隊創新性地將鍺硅復合波導與衍射平板波導結合，構建了三層隱藏層的全光非線性網絡。通過在熱光移相器陣列施加電壓調控光傳播路徑，結合鍺材料的非線性光學效應，實現了片上光信號的線性矩陣運算非線性激活完整流程。芯片面積僅0.73mm2，延遲低至172皮秒，較電子神經網絡延遲降低34個數量級，且與標準CMOS工藝兼容，為大規模集成奠定基礎。

    二、核心創新：非線性激活與多線程并行

    1.鍺材料賦能非線性計算

    團隊采用鍺微結構作為非線性激活單元，其輸入輸出光強呈現顯著非線性響應（如圖2ab），且損耗僅2.4dB，支持多層級聯。在四分類任務中，引入鍺激活函數使分類準確率提升9.1%（圖2de），驗證了非線性機制對復雜特征提取的關鍵作用。

    2.波長敏感型多線程處理

    利用衍射結構對波長的選擇性，不同波長光信號在平板波導中沿獨立路徑傳播，實現并行處理雙任務（如圖3）。實驗顯示，同時執行兩個二分類任務時，準確率分別達95%和96%，與單線程處理無顯著差異。在C波段范圍內，系統最多可支持4個線程，通過擴展波段與芯片尺寸，并行能力可進一步提升。

    三、應用前景：從實驗室到產業變革

    該芯片的突破為光學計算開辟了多元應用場景：

    邊緣計算與實時處理：超低延遲特性適用于自動駕駛、智能傳感器的實時決策；

    數據中心算力革新：光域并行處理可大幅降低數據中心能耗，緩解“東數西算”壓力；

    通用AI硬件平臺：支持多任務動態重構，有望成為下一代AI芯片的核心架構。

    董建績教授團隊長期深耕集成光學與光計算領域，此次成果是其在光學非線性激活、深度神經網絡芯片等方向的又一里程碑。該研究得到國家重點研發計劃與自然科學基金支持，為我國在光子計算領域的國際競爭中搶占了戰略制高點。

    四、未來展望：光子計算的星辰大海

    當前電子芯片的摩爾定律漸近極限，而光子計算正以“光代替電、并行代替串行”的邏輯重構計算范式。AOND2NN芯片不僅實現了全光非線性網絡的高密度集成，更首次證明光學系統可同時具備深度網絡與多線程處理能力。隨著波長復用技術與光子集成工藝的進步，未來光學神經網絡有望在算力密度、能效比等指標上實現對電子系統的全面超越，推動人工智能從“算力受限”邁向“無限可能”的新紀元。

    參考文獻：Zhang,J.,etal."Highlyintegratedallopticalnonlineardeepneuralnetworkformultithreadprocessing."AdvancedPhotonics7,046003(2025).DOI:10.1117/1.AP.7.4.046003.