神经形态光子学最近已成为非常有前途的硬件加速器，与用于机器学习算法（例如各种类型的神经网络）的数字电子产品相比，它具有潜在的速度和能量优势。集成光子网络在执行矩阵矢量乘法（MVM）的模拟计算时特别强大，因为它们为数据传输提供了无与伦比的速度和带宽密度。将非易失性相变材料整合到集成的光子器件中，可为片上光学计算提供必不可少的编程和内存计算功能。

       近日，来自美国华盛顿大学电气与计算机工程系的Changming Wu等人演示了一个多模光子计算核心，该核心由一系列基于相变材料制成的波导超表面的可编程模式转换器组成。可编程转换器在相变过程中利用相变材料Ge2Sb2Te5的折射率变化来控制波导空间模式，模态对比度的精度高达64级。这种对比常用于表示具有6位分辨率以及正值和负值的矩阵元素，从而在神经网络算法中执行MVM计算。他们演示了原型光学卷积神经网络，该网络可以执行高精度的图像处理和识别任务。凭借广泛的工作带宽和紧凑的设备占地面积，已证明的多模光子核将有望用于具有超高计算吞吐量的大规模光子神经网络。相关研究工作发表在《Nature Communications》上。(詹若男)

文章链接：Changming Wu et al. Programmable phase-change metasurfaces on waveguides for multimode photonic convolutional neural network. Nature Communications (2021) 12:96 https://doi.org/10.1038/s41467-020-20365-z

消息来源：两江科技评论