研究人員開發了一種易于使用的光學芯片，可以自我配置實現多種功能。他們實現的正實值矩陣計算使芯片具有應用于需要光神經網絡的應用程序的潛力。光神經網絡可用于各種數據密集型任務，如圖像分類、手勢解釋和語音識別。 此前已經開發出可以在制造后重新配置以執行不同功能的光子集成電路。然而，它們往往難以配置，因為用戶需要了解芯片的內部結構和原理，并單獨調整其基本單元。

中國華中科技大學研究團隊負責人董建績說：“我們的新芯片可以被視為一個黑盒子，這意味著用戶不需要了解其內部結構就可以改變其功能。他們只需要設定一個訓練目標，在計算機控制下，芯片將自我配置，以實現基于輸入和輸出的預期功能。”

在《光學材料快報》雜志上，研究人員描述了他們的新芯片，該芯片基于一種名為馬赫-曾德爾干涉儀(MZI)的波導光學組件網絡，該網絡以四邊形模式排列。研究人員表明，該芯片可以自我配置，以執行光路由、低損耗光能分裂和用于創建神經網絡的矩陣計算。

董教授說：“在未來，我們預計將實現更大規模的片上可編程波導網絡。隨著進一步的發展，它可能會實現與現場可編程門陣列(FPGA)相媲美的光學功能——在制造后可以重新編程以執行任何所需應用的電子集成電路。”

創建可編程MZI網絡

芯片上的四邊形MZI網絡可能對涉及光神經網絡的應用有用，這些網絡是由相互連接的節點創建的。為了有效地使用光學神經網絡，網絡必須使用已知數據進行訓練，以確定每對節點之間的權重-這項任務涉及矩陣乘法。 董教授說：“片上矩陣操作通常使用前向傳播MZI網絡或微環陣列來實現。受電子學中FPGA的啟發，我們希望使用MZI拓撲網絡結構，允許矩陣操作的前饋和反饋傳播。” 他們開發的芯片可以通過調整電極的電壓來重新配置，這在四邊形網絡中創建了各種光傳播路徑。研究人員集成了一種梯度下降算法來加快代價函數的收斂速度，該函數在每次訓練迭代中衡量網絡的準確性。 在每次訓練迭代后，芯片更新所有可調電極的電壓-而不是單一變量的值-這進一步提高了代價函數的收斂速度。這些改進有助于使訓練過程更快。

實現各種功能

研究人員表明，該芯片可以用于執行所謂的正實矩陣計算，首次驗證了在四邊形MZI網絡中進行這種計算的可行性。芯片的訓練結果與目標矩陣之間的誤差很小。

他們還展示了具有高消光比的光路由——正實矩陣計算的一個特例。光路由可以在數據中心的處理器和存儲單元等設備之間有效地路由光信號。與電子方法相比，在處理大量信號時，光路由有助于減少延遲和功耗。 此外，該芯片還用于低損耗光功率分裂，將單個輸入光分裂成在其輸出端口具有比例能量的光束。對11個測試集結果的統計分析表明，分裂過程中的能量損失保持在1.16 dB以下。低損耗光能分裂可用于將信號發送到芯片上的不同組件，如處理器和光電探測器。這有助于同時處理輸入信號。 研究人員現在正在努力改進芯片，以便實現更多的矩陣運算能力。他們還希望探索將其用于光神經網絡之外的矩陣計算的其他應用。

編輯：黃飛

?