用于卷积尖峰神经网络的光子集成神经突触核心

脑科学和类脑智能是世界各国竞相抢占的前沿科学技术。人工智能、5G/6G、大数据、自动驾驶、物联网等新兴领域快速崛起和蓬勃发展，带动全球数据爆发式增长。由于内存墙效应，传统的冯·诺依曼架构的能源效率较低。电子处理器面临速度和能效瓶颈和问题。开发创新型光子类脑计算是解决冯·诺依曼瓶颈的有效途径。光子类脑计算是类脑计算、人工智能和光电芯片的交叉学科前沿。利用高速、宽带、多维光子计算的优势，在光子神经网络加速器、光子智能芯片、自动驾驶、边缘计算等方面具有巨大的潜在应用价值，有望推动新一轮产业革命。

近年来，光子神经网络向大规模、可重构、高速、低功耗方向发展，但仍处于发展的初级阶段。尤其是光学领域的非线性计算问题亟待突破。

为了解决光子神经网络的非线性计算问题，开发了基于DFB-SA激光器的光子集成突触芯片。成功模拟了生物神经元的内在可塑性。在外部突触权重固定的情况下，只需调节DFB-SA激光器的增益电流即可实现可控的类神经元非线性响应(包括时间积分、兴奋阈值和不应期)。单通道非线性尖峰激活速率达到2GHz(比生物神经元的响应速度快7个数量级)，单个尖峰的能量消耗为19.99pJ。通过将权重映射到DFB-SA激光器的增益电流，可以基于单个DFB-SA激光器芯片同时实现非线性尖峰激活和激活尖峰的线性加权，提供全功能的神经形态计算光子芯片。在此基础上，成功开发了4通道DFB-SA阵列芯片。提出了卷积尖峰神经网络的混合光电架构，并在光域实现了基于2×2尖峰的矩阵卷积。完成了卷积尖峰神经网络的硬件算法协同计算，实现了MNIST分类，准确率达到87%。为单片集成大规模光子尖峰神经网络的硬件实现奠定了重要基础。

本文报道的基于DFB-SA激光器的光子集成神经突触芯片可以同时进行尖峰神经网络的线性和非线性计算，具有低功耗、高速和易于单片集成的特点。适用于大带宽、高速率、低延迟等应用场景，为集成深度光子尖峰神经网络芯片的实现奠定基础。有望在数据中心、边缘计算、自动驾驶等应用领域发挥独特竞争力。