Optica |用于光学矩阵矢量乘法的纳米梁运算核- 大数跨境

首页

Optica |用于光学矩阵矢量乘法的纳米梁运算核

两江科技评论

2024-02-07

导读：华中科技大学武汉光电国家研究中心的张新亮教授、董建绩教授团队

欢迎课题组投递中文宣传稿，投稿方式见文末

撰稿|由课题组供稿

研究背景

集成光子技术的独特优势和迅猛发展促使现代光学的研究与应用领域逐步迈向芯片化，获得了更进一步的发展和突破。虽然集成光子器件的种类多样，指标和设计目的各不相同，但是其基本单元结构往往都比较类似。很多功能器件都是以各种基本单元结构为基础，通过增大规模、进行组合，使用不同的材料与掺杂，增加不同的电学结构来构造的。因此，这些基本单元结构的尺寸和光与物质相互作用效率直接决定了构成的光子器件的尺寸和效率。然而，目前普遍使用的马赫曾德尔干涉器（MZI）、微环谐振器（MRR）、二维平板光子晶体微腔等结构在占地面积和调控效率等方面存在限制，研究新的基础器件结构对于满足集成光子芯片的发展要求具有重要意义。

光子晶体纳米梁谐振腔（PCNC）是一种小尺寸、高效率的新型基础器件，近年来受到了广泛关注。它的基本结构一般是仅相当于波导尺寸的狭窄条状梁，并且在沿着梁方向刻蚀周期性的孔，孔中部会有破坏周期性的缺陷，光场被约束在缺陷处谐振，典型的结构如图1所示。因此，纳米梁的尺寸非常小，长度一般不过十几微米，宽度不过几百纳米，远优于一般的MZI、MRR、二维光子谐振腔等基本单元。其次，缺陷处谐振腔所代表的光场模式体积（V）小，同时纳米梁谐振腔较为容易在设计中实现高Q值，使得其在光场能量密度和光与物质相互作用效率方面也优于其他结构。由此可见PCNC在作为满足集成光子技术发展需求的新型基本单元结构上有明显的优势。

图1 典型的纳米梁结构示意图

研究亮点

近年来，华中科技大学武汉光电国家研究中心的张新亮教授、董建绩教授团队开展研究，提出了基于PCNC的系列应用，为集成光子芯片提供了新的器件方案和研究基础。

该研究团队多年来深耕攻关PCNC基础理论、单元设计、器件制造、应用落地等环节，并针对多个集成光子学关键需求问题展开研究，取得了系列进展。董教授团队先后提出了通用模块化的直通型纳米梁光谱仪芯片（ACS Photonics [1]）和基于可扩展波导耦合结构的高分辨率纳米梁光谱仪芯片（Optica [2]），先后实现了1nm和0.16nm单峰分辨率的高性能光谱分析，打破了窄带滤波器型光谱仪分辨率受线宽的限制，展现了面向各类应用的商业化产品的巨大潜力。该团队还提出了一种面向光量子计算领域的高阶级联纳米梁滤波器（Optics Letters [3]），以仅约为 20 μm × 10 μm的极紧凑尺寸实现了高达70 dB的高消光比和低至1 dB的低插入损耗，并且有着非常宽的阻带，展现了良好的性能。除此之外，该团队还提出了一种Fano增强的四端口光开关器件（Optics Letters [4]），实现了仅3 μm × 5 μm的器件核心尺寸，将插入损耗从约8.5 dB大幅降低至约1.5 dB，作为集成光子器件的基础结构有望获得更广泛的应用。

近日，该团队在纳米梁器件研究上取得新进展，发表题为“Compact, efficient, and scalable nanobeam core for photonic matrix-vector multiplication”的文章（Optica [5]）。

矩阵乘法和卷积运算在电子计算机中占用的运算内存相当大，对于串行运算的机器来说是一个极大的挑战。而光学计算具有并行处理的优势，在大量数据计算的场景，可以运用光学并行处理阵列进行加速。董老师团队研究人员提出了一种基于PCNC阵列的矩阵矢量乘法器，如图2所示。该器件与传统的微环方案相比，单元尺寸缩小了一个维度，具有三倍以上的调谐效率，并且突破了自由光谱范围（FSR）对大规模级联的限制。该工作由于其独特的小尺寸、高效率、可扩展性，为矩阵矢量乘法提供了全新的器件基础，为光学矩阵运算芯片实现更高集成度、突破算力瓶颈提出了可供参考的解决方案。

图2 用于光学神经网络的纳米梁矩阵矢量运算核及其主要优势

PCNC不采用MRR的回音壁模式所需的环形波导，而是通过在一维波导上刻蚀圆孔形成禁带反射实现谐振。更小的面积允许纳米梁在相同条件下产生同等谐振频移需要更少的热功率，即纳米梁有比微环更高的热调效率，从而在进行光学矩阵矢量乘法（MVM）时消耗更少的能量。而且，经过对腔内Bloch模式的优化，单个纳米梁单元在所需带宽内没有多波长的谐振峰，这对于矩阵核的规模扩展十分重要。

提出的PCNC矩阵核是由N×N个图3所示的可调谐纳米梁滤波器组成的阵列。最靠近中心的孔的能带允许谐振波长的光存在，而边缘孔被设计成一样的，用来形成强的光子晶体禁带，以将谐振光限制在中心区域。靠近中心的孔被设计为二次函数渐变的结构，用来降低光在禁带区之间反射的散射损耗。

图3 纳米梁矩阵核基本单元和运算架构

前置调制得到的N维矢量被加载为不同波长的强度信号输入芯片，并被定向耦合器分配到PCNC权重库中。PCNC阵列选择性地对波长通道的输入向量进行加权。每个PCNC处理一个给定的波长通道，其中与该波长对应的传输是突触的权重。阵列中的所有单元都通过配置在各自上方的金属热电极实现可重构的传输，并通过预定标完成所需权重与驱动电压之间的映射。在每一行用光电探测器(PD)检测并行的总线波导上乘加运算得到的功率结果并对应输出矢量的一个元素。

图4 用于验证器件卷积运算性能的标准测试图像卷积结果

图像卷积是卷积神经网络（CNN）模型中的一项基本操作，用于从输入图像中学习空间模式和特征。为了验证该器件的卷积性能，团队使用256 × 256灰度的“Cameraman”图作为标准测试图像，具有8位色深，并使用5个常用的卷积核提取其不同特征。输入图像的像素灰度值被归一化并排列成串行数据流，然后送入电光调制器并在光传播期间通过PCNC矩阵核进行加权。光加权结果由PD检测，随后被重新塑造成最终的特征图，如图4所示。实验结果与64位数字计算机生成的理论特征图非常相似。

图5 基于光学卷积神经网络的图像识别分类任务应用

作为应用展示，该芯片还被用于基于光学CNN的图像特征提取和识别分类任务。使用设计制作的3×3矩阵核，基于神经网络模型实现了动物头像识别功能，识别精度85.9%，与64位计算机电域运算识别精度(88.3%)接近。并且由于光子晶体纳米梁独特的无FSR特性，突破了基于波分复用的矩阵矢量乘法（WDM-MVM）的通道数限制。展示了更大规模(6通道)MVM运算，实现了手写数字集（MNIST）的分类任务，十分类精度87.0%，与64位计算机(87.8%)相当。该项工作揭示了纳米梁运算核芯片在处理复杂计算任务，特别是在光子加速器和人工智能方面的巨大潜力。

总结与展望

本工作提出的纳米梁矩阵核芯片具有适合高密度计算的超小尺寸，有利于低功耗的高热调效率，并且突破FSR限制适合WDM大规模并行波长通道扩展，还具有低成本、灵活性的优点，为光子加速芯片提供了新的器件基础。目前，该工作已于近日在线发表在《Optica》期刊上，董建绩教授为本文通讯作者，张佳晖博士为本文第一作者。

文章链接：

https://doi.org/10.1364/OPTICA.506603

参考文献:

[1] Ziwei Cheng, Yuhe Zhao, Jiahui Zhang, Hailong Zhou, Dingshan Gao, Jianji Dong, and Xinliang Zhang, "Generalized Modular Spectrometers Combining a Compact Nanobeam Microcavity and Computational Reconstruction," ACS Photonics 2022 9 (1), 74-81.

[2] Jiahui Zhang, Ziwei Cheng, Jianji Dong, and Xinliang Zhang, "Cascaded nanobeam spectrometer with high resolution and scalability," Optica 9, 517-521 (2022).

[3] Ziwei Cheng, Jiahui Zhang, Jianji Dong, and Yunhong Ding, "Compact high-contrast silicon optical filter using all-passive and CROW Fano nanobeam resonators," Opt. Lett. 46, 3873-3876 (2021).

[4] Ziwei Cheng, Jianji Dong, and Xinliang Zhang, "Ultracompact optical switch using a single semisymmetric Fano nanobeam cavity," Opt. Lett. 45, 2363-2366 (2020).

[5] Jiahui Zhang, Bo Wu, Junwei Cheng, Jianji Dong, and Xinliang Zhang, "Compact, efficient, and scalable nanobeam core for photonic matrix-vector multiplication," Optica 11, 190-196 (2024).

免责声明：本文旨在传递更多科研资讯及分享，所有其他媒、网来源均注明出处，如涉及版权问题，请作者第一时间后台联系，我们将协调进行处理，所有来稿文责自负，两江仅作分享平台。转载请注明出处，如原创内容转载需授权，请联系下方微信号。

【声明】内容源于网络

两江科技评论

聚焦“光声力热”超构材料、凝聚态物理、生物医学、智能制造等领域，打造科研人便捷的交流平台，发布优质新鲜的科研资讯。

内容 6001

粉丝 0

两江科技评论聚焦“光声力热”超构材料、凝聚态物理、生物医学、智能制造等领域，打造科研人便捷的交流平台，发布优质新鲜的科研资讯。

总阅读1.9k

粉丝0

内容6.0k