董建绩/周海龙等Light | 增益型非线性算子解决光学神经网络芯片扩展难题

背景：光子神经网络因其大带宽和高能效优势被视为下一代人工智能计算的重要方案，但传统方案存在非线性激活函数级联能力弱、依赖高成本光源等问题。研究目的：华中科技大学团队提出部分相干深度光子神经网络架构，旨在解决片上光子计算的深度和规模扩展难题。通过采用增益型非线性激活函数、部分相干光源和实数域计算架构，实现了64维输入、四层网络的单片集成。结论：实验显示该芯片在图像分类任务中准确率达94%-96%，单次推理延迟4.1纳秒，计算能效121.7 pJ/OP，为构建可扩展、低成本的光学计算系统开辟了新路径。