麥姆斯咨詢獲悉，近日，上海交通大學金賢敏、徐曉蕓團隊在光計算領域取得重要進展，成功研發(fā)出高性能的薄膜鈮酸鋰高速電光引擎芯片，通過結合高效的數據編碼方案與電光引擎的優(yōu)異性能，實現了該芯片在光學量化神經網絡中的應用。該研究成果以「?High-speed electro-optic engine for a quantized photonic neural network」為題，發(fā)表于國際光學權威期刊《Optica》上。
研究背景
在過去幾十年里，芯片性能的提升主要依賴于「摩爾定律」——通過不斷縮小晶體管尺寸來提高計算能力。但如今，傳統(tǒng)電子芯片正逐漸逼近物理極限，性能提升變得越來越困難。而進入到人工智能時代，大模型對于計算硬件的要求逐漸變高，科學家們開始尋找新的計算方式，其中一種備受關注的方向，就是「用光來計算」。
圖1 高性能薄膜鈮酸鋰電光引擎芯片
光子計算，簡單來說，就是讓光信號代替電子在芯片中進行運算。因為光傳播速度極快，而且可以同時攜帶大量信息，所以它天生具備「高速」、「并行處理」和「低能耗」的優(yōu)勢，被認為是未來高性能計算的重要候選技術之一。
關鍵問題：盡管光計算技術擁有許多優(yōu)勢，但要在實際應用中全面發(fā)揮其潛力，仍面臨著許多關鍵問題。最主要的挑戰(zhàn)之一是如何在「算得多、算得快、算得準」之間找到一個平衡點。此外，隨著計算任務和數據量的增大，如何確保光計算在大規(guī)模應用中依然高效且不產生過多的系統(tǒng)復雜性，也成為了一個亟待解決的問題。
新思路：為了解決這一難題，研究團隊借鑒了目前人工智能領域的一項成熟技術——量化神經網絡。簡單理解，量化就是在不影響模型準確率的前提下，把部分原本需要高精度表示的數據，用更少的精度位數來表示。就像把一張高清大圖適當壓縮，同時保證視覺效果基本不變，從而可以大幅減少存儲空間和計算量。
圖2 關鍵問題與求解思路
研究團隊進行了高效的量化神經網絡與高性能的集成光子芯片之間的協同設計，成功實現了大規(guī)模、高速度、量化精度的光電計算系統(tǒng)。這樣一來，在不明顯降低計算準確率的情況下，就能有效壓縮模型規(guī)模，減少訓練所需的內存和算力。這項工作意味著，未來的光電計算系統(tǒng)有望在保持高模型準確率的同時，實現更大規(guī)模和更高速度的運算，為人工智能、大模型訓練以及高性能計算等領域提供更高效、更節(jié)能的解決方案。
高性能薄膜鈮酸鋰電光引擎芯片：超高速計算的硬件核心
在本工作中，研究團隊聯合圖靈量子團隊經過大量的工藝迭代，開發(fā)并優(yōu)化了薄膜鈮酸鋰芯片制備工藝，依托上海交大無錫光子芯片研究院（CHIPX）光子芯片中試線制備出了性能優(yōu)異的薄膜鈮酸鋰高速電光引擎芯片，其在O波段8通道的電光帶寬都大于67GHz，調制效率Vπ·L < 2?V·cm。研究團隊同時設計了電光引擎的高速封裝方案設計，并進行了定制化的高速封裝，使得其可以與多通道電驅動匹配，從而可以滿足高速光計算的需求。
圖3 薄膜鈮酸鋰電光引擎的結構與性能測試
高效的數據編碼方案：加速光計算的關鍵
研究團隊提出并實驗驗證了一種緊湊高效的輸入-權重并行編碼方案，首先利用時分復用將輸入數據編碼在電光調制器的電調電極上，其次通過調節(jié)電光調制器的熱調電極的電壓，使電光調制器工作在不同的偏置點，以實現不同的權重映射，從而可以利用單個電光調制器實現乘法運算。高速電光引擎的每個通道都可以被編碼為不同的權重，同時在計算時保持固定，從而使整個計算系統(tǒng)能夠以電調電極的高速編碼速度運行。
圖4 輸入-權重并行編碼方案的示意圖與實驗結果
創(chuàng)新的光學量化神經網絡：高效分類與大幅模型壓縮
通過使用上述高效的編碼方案，研究團隊實驗演示了薄膜鈮酸鋰高速電光引擎在不同編碼速度（100Gbaud、1Mbaud）和不同量化精度（1bit、2bit、4bit）的條件下對基于量化卷積神經網絡的MNIST手寫數字進行分類，在不同情況下均可以實現大于95%的準確率。其中全量化方案實現了超過95%的模型壓縮率，顯著降低了存儲需求和計算開銷。
圖5 基于量化卷積神經網絡的MNIST手寫數字識別分類任務的實驗結果
此外，為了展示光學量化神經網絡更廣泛的應用，研究團隊還使用薄膜鈮酸鋰高速電光引擎對基于量化圖神經網絡的Cora數據集進行節(jié)點分類，在100Gbaud編碼速度下，實驗分類準確率達到80%，與模擬結果十分接近（80.8%）。
圖6 基于量化圖神經網絡的Cora節(jié)點分類任務的實驗結果
本工作基于薄膜鈮酸鋰電光引擎首次展示了一種大規(guī)模、高速、量化精度光子神經網絡，結合這種光學量化神經網絡方案，高性能薄膜鈮酸鋰電光引擎在計算速度、計算能效和計算密度方面均展現出卓越的系統(tǒng)級性能。該方案可以滿足高性能計算的需求，使未來光子人工智能計算機的實現成為可能。
上海交通大學物理與天文學院博士研究生韓豐愷、李軒坤博士和趙晨明博士為本文的共同第一作者，金賢敏教授、徐曉蕓助理研究員為論文通訊作者。合作者包括圖靈量子、上海交大無錫光子芯片研究院（CHIPX）的工程研發(fā)人員。本研究工作得到了國家重點研發(fā)計劃、國家自然科學基金委員會、上海市科學技術委員會、上海市教育委員會、上海市人才計劃、量子科學與技術創(chuàng)新計劃、江蘇省前沿科技研發(fā)計劃等項目的資助。
文章鏈接：
https://doi.org/10.1364/OPTICA.584297
《硅光子技術及市場-2025版》
《硅光子及集成光路（PIC）技術及市場-2025版》
《光電共封裝（CPO）技術及市場-2026版》
《光電共封裝（CPO）和光互連技術專利全景分析-2026版》
《德州儀器汽車級MEMS數字微鏡器件DLP5531產品分析》
