光子存储器的进步可实现更快的光学计算

自动驾驶和计算机视觉等技术进步正在推动对计算能力的需求激增。光计算以其高吞吐量、高能效、低时延等特点，引起了学术界和工业界的广泛关注。然而，当前的光计算芯片面临功耗和尺寸的限制，这阻碍了光计算网络的可扩展性。

得益于非易失性集成光子学的兴起，光计算设备可以实现内存计算，同时以零静态功耗运行。相变材料(PCM)已成为实现光子记忆和非易失性神经形态光子芯片的有前途的候选材料。PCM 在不同状态和可逆跃迁之间提供高折射率对比度，使其成为大规模非易失性光学计算芯片的理想选择。

尽管非易失性集成光学计算芯片的前景十分诱人，但它也面临着一些挑战。频繁和快速的切换对于在线培训至关重要，这是研究人员决心克服的一个障碍。打造快速高效的训练之路是释放光子计算芯片全部潜力的关键一步。

近日，浙江大学、西湖大学、中科院微电子研究所的研究人员取得突破。 据 《Advanced Photonics》报道，他们开发了一种能够进行快速易失性调制的 5 位光子存储器，并提出了一种支持快速训练的非易失性光子网络解决方案。这是通过将低损耗 PCM 锑矿 (Sb 2 S 3 ) 集成到硅光子平台中实现的。

光子存储器利用PIN二极管的载流子色散效应实现易失性调制，快速响应时间低于40纳秒，保留存储的重量信息。训练后，光子存储器利用PIN二极管作为微加热器来实现Sb 2 S 3的多级和可逆相变，从而允许在光子计算网络中存储训练后的权重。这导致了令人难以置信的节能光子计算过程。

利用所演示的光子存储器和工作原理，研究团队模拟了光学卷积核架构。值得注意的是，他们在识别 MNIST 数据集方面实现了超过 95% 的准确率，展示了通过易失性调制进行快速训练和通过 5 位非易失性调制进行权重存储的可行性。

这项开创性的工作为光子存储器建立了一个新的范式，并为在快速训练光学神经网络中实现非易失性设备提供了一种有前途的解决方案。凭借这些进步，光学计算的未来看起来比以往任何时候都更加光明。