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AI计算的重要方案，但片上大规模光学推理面临非线性激活函数级联能力弱和矩阵规模受限等挑战。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新架构，通过可级联非线性激活函数、部分相干光源和实数域计算三大创新，突破深度和规模限制。结论：实验证明该单片集成芯片在保持94%-96%分类准确率的同时，将单次推理延迟降至4.1纳秒，计算能效达121.7 pJ/OP，为构建可扩展光学计算系统开辟了新路径。