近日，清华大学深圳国际研究生院副教授耿子涵团队联合鹏城实验室等单位，提出了一种基于级联微环谐振器的光电神经网络架构。相关研究成果以封面文章的形式发表于《激光与光子学评论》。

该研究通过器件结构创新与系统级的优化设计，实现了高消光比与窄带宽，显著提升了系统的光谱密度与计算密度，成功攻克了因光强非负性而难以实现负权重表达的难题。在手写数字识别与细胞边缘提取、分类等任务中均展现出优异性能，为高密度光电计算芯片的研究与发展奠定基础。

随着人工智能算法复杂度的持续提升，传统电子计算架构在算力密度与能效上面临瓶颈，越来越难以满足大数据时代智能算法对算力的需求。光电神经网络因其低延迟、低功耗、大带宽和高并行性等优势受到关注，成为解决算力问题的重要方向。

然而，现有的基于微环谐振器的光电神经网络性能受限于单环结构的低消光比、大通道串扰及有限的权重可调范围等问题，且传统架构依赖平衡探测器来实现正负加权操作，增加了系统的成本与复杂度。

针对上述难题，研究团队提出了一种基于级联微环谐振器的光电神经网络架构。该系统通过器件结构创新，实现了55分贝的高消光比、0.17纳米的窄带宽，使得光谱密度提升6倍，计算密度达2.48万亿次运算每平方毫米。同时，结合所设计的信号调制与探测电路，仅使用单个探测器就能实现正负加权操作，降低了成本与系统复杂度，推动光电计算向高密度、高精度方向发展。

研究团队提出的基于单个光电探测器的正负加权架构，能够简化光电计算系统，规避了传统平衡探测对器件一致性的严苛要求，能够降低硬件成本与面积，助力大规模光电集成计算系统落地。

此外，研究人员设计的级联微环谐振器，兼具线性加权与非线性激活功能，作为线性加权单元时，其动态权重调节范围更广、抗噪声鲁棒性更强，计算密度更高，优于多数现有基于微环的光电神经网络方案。同时，其透射曲线的非线性映射特性也可用作非线性激活函数，相比单环架构，透射曲线斜率更陡、导数更大，用于手写数字数据集训练时，收敛更快，识别准确率达95.23%。