光芯片，又一个突破

在此之前，虽然已有研究团队开发出处理线性数学运算的光学驱动芯片，但仅依靠光学方法表示非 线性函数的技术难题一直未被攻克。而非线性函数对于深度神经网络训练至关重要，没有它，光子 芯片就无法完成深度学习或执行复杂的智能任务。 新进展依赖于一种对光敏感的特殊半导体材料。当携带输入数据的"信号"光穿过这种材料时，另一 束"泵浦"光从上方照射下来，调节材料的响应特性。通过调整泵浦光的形状和强度，团队可以根据 信号光的强度及材料的反应来控制信号光的吸收、传输或放大方式，从而对芯片进行编程以执行不 同的非线性功能。 值得注意的是，这项研究并未改变芯片的基础结构，而是利用光在材料内部形成的图案来重塑光线 穿越的方式。这造就了一个可以根据泵浦模式表达多种数学函数的可重构系统，使其具有实时学习 能力，能根据输出反馈调整自身行为。 为了验证该芯片的能力，团队用其解决了多项基准AI问题。在简单的非线性决策边界任务中，实 现了超过97%的准确率；在著名的鸢尾花数据集问题上，达到了96%以上的准确率。这表明，与传 统数字神经网络相比，光子芯片不仅性能相当，甚至更优，而且能耗更低，因为它们减少了对耗电 元件的依赖。 此外，实验还显示，只需 ...