新型易用光学芯片可自我配置实现多种功能

研究人员开发了一种易于使用的光学芯片，可以自我配置实现多种功能。他们实现的正实值矩阵计算使芯片具有应用于需要光神经网络的应用程序的潜力。光神经网络可用于各种数据密集型任务，如图像分类、手势解释和语音识别。

此前已经开发出可以在制造后重新配置以执行不同功能的光子集成电路。然而，它们往往难以配置，因为用户需要了解芯片的内部结构和原理，并单独调整其基本单元。

华中科技大学研究团队负责人董建绩说：“我们的新芯片可以被视为一个黑盒子，这意味着用户不需要了解其内部结构就可以改变其功能。他们只需要设定一个训练目标，在计算机控制下，芯片将自我配置，以实现基于输入和输出的预期功能。”

在《光学材料快报》杂志上，研究人员描述了他们的新芯片，该芯片基于一种名为马赫-曾德尔干涉仪(MZI)的波导光学组件网络，该网络以四边形模式排列。研究人员表明，该芯片可以自我配置，以执行光路由、低损耗光能分裂和用于创建神经网络的矩阵计算。

董教授说：“在未来，我们预计将实现更大规模的片上可编程波导网络。随着进一步的发展，它可能会实现与现场可编程门阵列(FPGA)相媲美的光学功能——在制造后可以重新编程以执行任何所需应用的电子集成电路。”

创建可编程MZI网络

芯片上的四边形MZI网络可能对涉及光神经网络的应用有用，这些网络是由相互连接的节点创建的。为了有效地使用光学神经网络，网络必须使用已知数据进行训练，以确定每对节点之间的权重-这项任务涉及矩阵乘法。

董教授说：“片上矩阵操作通常使用前向传播MZI网络或微环阵列来实现。受电子学中FPGA的启发，我们希望使用MZI拓扑网络结构，允许矩阵操作的前馈和反馈传播。”

他们开发的芯片可以通过调整电极的电压来重新配置，这在四边形网络中创建了各种光传播路径。研究人员集成了一种梯度下降算法来加快代价函数的收敛速度，该函数在每次训练迭代中衡量网络的准确性。

在每次训练迭代后，芯片更新所有可调电极的电压-而不是单一变量的值-这进一步提高了代价函数的收敛速度。这些改进有助于使训练过程更快。

实现各种功能

研究人员表明，该芯片可以用于执行所谓的正实矩阵计算，首次验证了在四边形MZI网络中进行这种计算的可行性。芯片的训练结果与目标矩阵之间的误差很小。

他们还展示了具有高消光比的光路由——正实矩阵计算的一个特例。光路由可以在数据中心的处理器和存储单元等设备之间有效地路由光信号。与电子方法相比，在处理大量信号时，光路由有助于减少延迟和功耗。

此外，该芯片还用于低损耗光功率分裂，将单个输入光分裂成在其输出端口具有比例能量的光束。对11个测试集结果的统计分析表明，分裂过程中的能量损失保持在1.16 dB以下。低损耗光能分裂可用于将信号发送到芯片上的不同组件，如处理器和光电探测器。这有助于同时处理输入信号。

研究人员现在正在努力改进芯片，以便实现更多的矩阵运算能力。他们还希望探索将其用于光神经网络之外的矩阵计算的其他应用。

相关链接：https://phys.org/news/2023-10-easy-to-use-optical-chip-self-configure-functions.html

https://doi.org/10.1364/OME.499408