【儀表網 研發快訊】隨著機器學習推理任務在多個領域的廣泛應用，巨大的算力需求與能耗問題日益凸顯。利用電磁波在介質傳播過程中的低損耗特性，通過設計介質結構進行光學模擬計算，展現出降低功耗、提升計算帶寬的潛力。尤其在邊緣計算場景中，機器學習推理任務對實時性和能效要求極高。光學模擬計算盡管精度相對較低，但其高速計算特性與當前邊緣計算設備中通過高度量化提升推理速度的思路不謀而合。基于這一背景，研究團隊提出了一種集成散射介質的設計方法，有效降低了加工難度并提升了結構穩定性，進而在芯片上通過智能設計的介質超結構實現了高效的機器學習光學推理。
近期，上海交通大學集成電路學院(信息與電子工程學院)郭旭涵教授、蘇翼凱教授課題組與上海理工大學顧敏院士課題組在SOI(Silicon on Insulator, 絕緣襯底上的硅)平臺上成功實現了基于散射介質的機器學習任務推理。研究團隊在8μm×8μm的設計區域內，實現了最小特征尺寸為130nm(可通過90nm工藝的版圖設計規則檢驗)的集成散射介質結構，并完成了鳶尾花分類任務的實驗驗證。此外，該設計方法具有良好的擴展性，可適用于更復雜的任務場景。研究團隊通過仿真驗證，在44.8μm×44.8μm的設計區域內實現了8×8圖像分辨率的手寫數字識別任務，識別準確率達到92.8%，進一步證明了集成散射介質在機器學習推理方面的應用潛力。相關成果以“High computational density nanophotonic media for machine learning inference”(高計算密度納米光子學介質用于機器學習推理)為題發表于《Nature Communications》。
研究背景
盡管模擬計算存在精度較低、抗干擾能力偏弱等不足，在過去數十年間并未成為計算系統的主流。然而，隨著人工智能技術的飛速發展，如何在推理速度、能耗與準確率之間取得最佳平衡，已成為業界關注的焦點。在這一背景下，光學模擬計算作為一種有望重塑未來計算范式的新路徑，近年來受到廣泛關注。與基于分立光學元件的系統相比，在集成光電芯片上實現光學模擬計算，具有集成度高、穩定性好等顯著優勢。但值得注意的是，即便是集成芯片方案，若其設計仍拘泥于傳統的集成光學器件，也較難突破集成度的瓶頸，從而難以勝任大規模復雜任務。為此，研究團隊引入“逆向設計”方法——該方法幾乎不受傳統設計經驗束縛，直接基于麥克斯韋方程組對器件結構進行優化設計，有望為邊緣計算場景量身打造高計算密度、低功耗的專用推理器件。
創新成果
圖1 基于集成散射介質的機器學習推理器件
研究團隊基于伴隨法通過求解麥克斯韋方程數值解獲取訓練任務損失函數對于陣列結構參數的梯度，并結合加工規則約束，實現對散射介質結構的智能化設計。如圖1所示，經過智能化設計后的器件，能夠對多個輸入光波導中傳播光波的相位信息進行高效處理，并將運算結果直接映射到輸出波導的光波強度上。通過比較不同輸出波導的光強，即可獲取推理結果。輸入信息的加載，則可通過片上集成的移相器便捷實現，進一步提升了系統的集成度與可控性。
圖2 不同測試樣本在推理過程中的仿真電磁場坡印廷矢量x方向分量分布 ：(a)類別1的樣本，(b)類別2的樣本，(c)類別3的版本
在器件設計過程中，研究團隊采用時域有限差分方法進行數值仿真。通過設置伴隨仿真，計算出損失函數對器件結構參數的梯度，并在每次迭代中引入加工設計規則約束，確保最終結構具備良好的可加工性。圖2展示了不同測試樣本在推理過程中的仿真電磁場坡印廷矢量x方向分量分布，直觀呈現了攜帶不同樣本信息的光波在推理過程中的能量分布特性。
研究團隊進一步對面向鳶尾花分類任務所設計的器件進行了微納加工與實驗測試(圖3)，實現了86.7%的測試準確率。實驗中，不同樣本的特征信息通過片上集成的熱調移相器進行加載，輸出光信號則由光電探測器采集并轉換為推理結果。團隊還測試了器件在一定帶寬范圍內的性能表現，結果間接表明其在更高頻率輸入環境下具備應用潛力。未來采用電調移相器等方案加載輸入信息，將有望實現超低延遲的推理能力。
圖4 手寫數字識別任務仿真驗證：(a)器件結構及任務描述，(b)仿真混淆矩陣，(c)準確率及損失變化圖
為驗證該方法的可擴展性，研究團隊進一步使用包含64個像素的手寫數字數據集，開展了更大規模的設計仿真(圖4)。在44.8μm×44.8μm的設計區域內，仿真實現了92.8%的識別準確率。隨著未來仿真與實驗條件的進一步完善，該方法有望在更復雜、規模更大的推理任務中獲得實驗驗證與應用。
論文信息
上海交通大學集成電路學院(信息與電子工程學院)博士生趙振宇為第一作者。通訊作者為上海交通大學集成電路學院(信息與電子工程學院)郭旭涵教授和上海理工大學方心遠研究員。該工作得到了上海交通大學集成電路學院(信息與電子工程學院)蘇翼凱教授和上海理工大學顧敏院士的大力支持和指導。上海交通大學潘亦晨碩士、向金龍博士后、張鈺嘉講師、何安助理教授、趙耀天助理研究員、博士生陳有略、何宇助理研究員也為本工作做出了重要貢獻。同時，該工作得到了國家重點研發計劃、國家自然科學基金和上海市科委等項目支持，以及得到光子傳輸與通信全國重點實驗室、上海交通大學先進電子材料與器件平臺(AEMD平臺)的測試加工支持。
論文通訊作者郭旭涵教授主要研究光電子集成芯片，入選國家級高層次青年人才，獲得中國光學工程學會三年“硅基光電子優秀成果獎”(2024)。近五年以一作/通訊作者發表高水平論文30余篇，包括 Nature Photonics，Nature Communications，eLight, Light: Science & Applications, Laser & Photonics Reviews, Optica等。邀請報告25余次，包括光學頂會OFC, IPC, APC等。主持國家重點研發計劃課題1項，國家自然科學基金2項，上海市科委項目2項等。擔任國際知名期刊APL Photonics編委，IEEE Journal of Quantum Electronics編委，光學知名會議OECC TPC共主席， ACP Workshop共主席等。
蘇翼凱教授領導的光傳輸與集成光子學實驗室(OTIP)立足光電子研究領域的前沿，主要研究高速光通信系統與各類集成器件，重點研究應用于傳輸及交換領域的硅基及異質集成光電子芯片。
所有評論僅代表網友意見，與本站立場無關。