近日，西安電子科技大學(xué)項(xiàng)水英教授團(tuán)隊(duì)在郝躍院士的悉心指導(dǎo)下，在光神經(jīng)形態(tài)計(jì)算研究方向取得重要進(jìn)展。在高水平光學(xué)類期刊《Optica》上發(fā)表了題為“Hardware-algorithm collaborative computing with photonic spiking neuron chip based on integrated Fabry–Pérotlaser with saturable absorber”（基于FPSA半導(dǎo)體激光器的光脈沖神經(jīng)元芯片硬件與算法協(xié)同計(jì)算）的最新研究成果。

人類大腦具備低功耗、高魯棒性、高效并行、自適應(yīng)等特點(diǎn)，神經(jīng)元和突觸是關(guān)鍵基礎(chǔ)單元。受人類大腦啟發(fā)的神經(jīng)形態(tài)計(jì)算，借鑒生物神經(jīng)網(wǎng)絡(luò)系統(tǒng)結(jié)構(gòu)及信息處理過程實(shí)現(xiàn)高效計(jì)算硬件和算法，是后摩爾時代克服馮諾依曼瓶頸的一種有競爭力的新型計(jì)算范式。雖然電子神經(jīng)形態(tài)計(jì)算芯片已取得巨大進(jìn)展，受限于電子瓶頸及摩爾定律放緩，它們?nèi)匀皇艿接?jì)算速度和功耗的限制。光子神經(jīng)形態(tài)計(jì)算具有超高速、大帶寬和多維度等顯著優(yōu)勢，有潛力克服電子神經(jīng)形態(tài)計(jì)算的局限性。將集成光子學(xué)應(yīng)用于神經(jīng)形態(tài)計(jì)算，線性和非線性計(jì)算單元是不可缺少的基礎(chǔ)單元。線性計(jì)算的光學(xué)實(shí)現(xiàn)已得到較好發(fā)展，然而，非線性計(jì)算仍然是光子神經(jīng)網(wǎng)絡(luò)最具挑戰(zhàn)性的難題。

針對光神經(jīng)網(wǎng)絡(luò)非線性計(jì)算難題，團(tuán)隊(duì)自主研制了基于兩段式半導(dǎo)體激光器的新型光脈沖神經(jīng)元芯片，實(shí)驗(yàn)證實(shí)了可控的類神經(jīng)元非線性響應(yīng)（包括時域積分、閾值激發(fā)、抑制響應(yīng)及不應(yīng)期)，脈沖處理速率達(dá)到10GHz（比生物脈沖神經(jīng)元響應(yīng)速率快7個數(shù)量級），脈沖能耗約為7.3fJ/spike。為規(guī)避硬件集成規(guī)模限制，進(jìn)一步提出了時分復(fù)用光域時空編碼機(jī)制，大大地降低了硬件節(jié)點(diǎn)要求。并首次實(shí)現(xiàn)了光脈沖神經(jīng)網(wǎng)絡(luò)的硬件與監(jiān)督算法的軟硬協(xié)同計(jì)算，完成了基于脈沖機(jī)制的模式識別任務(wù)，這一實(shí)驗(yàn)發(fā)現(xiàn)是推動集成光子脈沖神經(jīng)網(wǎng)絡(luò)芯片實(shí)際應(yīng)用的重要一步，并證明了構(gòu)建大規(guī)模多層光子脈沖神經(jīng)網(wǎng)絡(luò)芯片解決復(fù)雜任務(wù)的潛力，為大規(guī)模光脈沖神經(jīng)網(wǎng)絡(luò)的硬件實(shí)現(xiàn)奠定了重要基礎(chǔ)。

采用時空編碼機(jī)制的光脈沖神經(jīng)元芯片軟硬協(xié)同計(jì)算架構(gòu)

光脈沖神經(jīng)元芯片與監(jiān)督算法軟硬協(xié)同實(shí)現(xiàn)模式分類任務(wù)

本文報(bào)道的光脈沖神經(jīng)元芯片，基于傳統(tǒng)InP基激光器工藝平臺，具有集成化、低功耗、高速率、易于調(diào)諧等特點(diǎn)，適用于大帶寬、高速率、低延遲等應(yīng)用場景，為實(shí)現(xiàn)集成化光神經(jīng)形態(tài)計(jì)算系統(tǒng)奠定了器件基礎(chǔ)。有望在數(shù)據(jù)中心、邊緣計(jì)算、自動駕駛等應(yīng)用中發(fā)揮其獨(dú)特的競爭力。

據(jù)了解，該研究是西安電子科技大學(xué)光神經(jīng)形態(tài)計(jì)算團(tuán)隊(duì)與南京大學(xué)陳向飛教授、施躍春副教授團(tuán)隊(duì)深入合作的成果。西安電子科技大學(xué)為第一完成單位，西安電子科技大學(xué)項(xiàng)水英教授和南京大學(xué)施躍春副教授為該文的共同第一作者，項(xiàng)水英教授為通信作者。合作單位還包括中國科學(xué)院半導(dǎo)體研究所、英國University of Glasgow、南通大學(xué)等。該項(xiàng)研究得到了國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（2021YFB2801900）、國家自然科學(xué)基金優(yōu)秀青年基金（62022062）以及國家自然科學(xué)基金面上項(xiàng)目（61974177, 61674119）的支持。

相關(guān)鏈接：

近年來，項(xiàng)水英教授研究團(tuán)隊(duì)致力于研究光神經(jīng)擬態(tài)計(jì)算芯片及算法，從基礎(chǔ)理論、單元器件及關(guān)鍵技術(shù)、集成芯片與核心算法等方面開展了系統(tǒng)深入研究。光神經(jīng)形態(tài)器件層面，先后通過理論和實(shí)驗(yàn)證實(shí)了基于不同分立器件的光脈沖神經(jīng)元非線性響應(yīng)(J. Lightwave Technol. 36(19), 4227, 2018;Opt. Lett., 44(7):1548-1551, 2019)及光突觸可塑性(Sci China Inf Sci, 65(8): 182401, 2022)。在此基礎(chǔ)上，理論和實(shí)驗(yàn)證實(shí)了基于單個光脈沖神經(jīng)元的全光異或運(yùn)算(Photonics Res., 9(6):1055, 2021;Opt. Lett.,, 45(5), 1104, 2020)，全光二進(jìn)制卷積及圖像邊緣檢測(Photonics Res., 9(5):201, 2021)等。核心算法層面，開發(fā)了光脈沖神經(jīng)網(wǎng)絡(luò)理論模型及淺層網(wǎng)絡(luò)的無監(jiān)督/監(jiān)督訓(xùn)練算法(IEEE Trans. Neural Networks Learn. Syst., 32(6), 2494, 2021;IEEE J. Sel. Top. Quantum Electron., 25(6): 1700109, 2019)，進(jìn)一步提出了時延-權(quán)重協(xié)同可塑性算法(Photonics Res., 9(4):119, 2021)，以及多層光脈沖神經(jīng)網(wǎng)絡(luò)監(jiān)督訓(xùn)練算法(IEEE J. Sel. Top. Quantum Electron., 27(2), 7500109, 2021),實(shí)現(xiàn)了模式識別等人工智能任務(wù)。集成芯片方面，實(shí)驗(yàn)證實(shí)了基于自主研制光脈沖神經(jīng)元芯片的光神經(jīng)形態(tài)計(jì)算原型系統(tǒng)(Photonics Res., 11(1), 65, 2023)。相關(guān)研究成果為研制光神經(jīng)形態(tài)計(jì)算集成芯片提供了重要的理論和器件基礎(chǔ)。