[文献速递Vol.337]-兼容WDM的集成光学模式分复用神经网络加速器

本文提出了一种兼容波分复用的集成光学模式分复用神经网络加速器，旨在解决现有片上光子神经网络中多波长激光器需求大及负值计算困难的问题。研究背景是人工神经网络在多个领域应用广泛，光子神经网络因其并行性和低功耗优势成为重要发展方向，但现有基于波分复用的矩阵向量乘法方案存在扩展限制。通过采用模分复用技术和创新的变换映射方法，该加速器实现了实数域（包括正负值）计算，并演示了图像卷积和字母模式检测应用，在22.38 Gbaud调制速率下达到1.37 TOPS/mm²计算密度。结论表明该方案能有效处理复杂任务，并通过增加波长源和光学模式数量或矩阵分割方法可进一步扩展计算规模。