王俊 楊曉飛

1971年，美國英特爾公司推出了第一枚應(yīng)用于電子計算機的微處理器4004芯片，這一舉措對整個電子工業(yè)界產(chǎn)生了深遠的影響，微處理器芯片所帶來的計算機和互聯(lián)網(wǎng)革命改變了整個世界。芯片是人類最偉大的發(fā)明之一，也是現(xiàn)代電子信息產(chǎn)業(yè)的基礎(chǔ)和核心。小到手機、電腦、數(shù)碼相機，大到5G、物聯(lián)網(wǎng)、云計算，全部都是基于芯片技術(shù)的不斷突破。半導體光刻工藝水平的發(fā)展是以芯片為核心的電子計算機的基石，目前半導體光刻的制造工藝幾乎是摩爾定律的物理極限，隨著制造工藝的越來越小，芯片內(nèi)晶體管單元已經(jīng)接近分子尺度，半導體制作工藝的“瓶頸效應(yīng)”越來越明顯。

隨著全球化以及科技的高速發(fā)展，需要處理的數(shù)據(jù)量在急劇增加，相應(yīng)的數(shù)據(jù)處理模型和算法也在不斷增加，帶來的結(jié)果就是對算力和功耗的要求不斷提高。而目前馮·諾依曼架構(gòu)和哈佛架構(gòu)的電子計算機存在傳輸瓶頸、功耗增加以及算力瓶頸等問題，已越來越難以滿足大數(shù)據(jù)時代對算力與功耗的需求，因此提高運算速度同時降低運算功耗是目前面臨的緊要問題。

面向未來的計算系統(tǒng)，光計算具有天然優(yōu)勢

2016年，《自然》雜志社論“超越摩爾”中明確指出電子芯片難以為繼。2019年，美國普林斯頓大學普魯尼（Prucnal）等人撰文指出人工智能大數(shù)據(jù)時代對算力的需求每三個半月翻一番，遠超摩爾定律所預測的算力供給量，即每18～24個月翻一番。同年，美國國防部高級研究計劃局（DARPA）啟動“未來計算系統(tǒng)”項目，目的是研究基于知識/推理的引擎，具備深度學習能力、高算力和低功耗的集成光子芯片。利用光子計算方法替代傳統(tǒng)電子計算方法將是解決摩爾定律困境以及馮·諾依曼架構(gòu)的問題，即解決當前算力、功耗問題的極具潛力的途徑之一。光子具有光速傳播、抗電磁干擾、任意疊加等特性，光學計算具有天然的并行計算特性，因而運算速度極快，且十分適合做并行運算。

工業(yè)界對光學技術(shù)充滿信心，英特爾光子技術(shù)實驗室主任馬里奧·帕尼西亞（Mario Paniccia）曾預測說：“光學將能讓計算機芯片設(shè)計師克服電子學的根本局限?！盜BM首席研究員戈弗里·伯爾（Goeffrey Burr） 在“光學在人工智能硬件中的作用”一文中也曾指出：光學神經(jīng)網(wǎng)絡(luò)有望比傳統(tǒng)的方法提供更好的能效。在學術(shù)界，斯坦福大學米勒（D.A.B.Miller）教授、喬治華盛頓大學佐爾格（V.J.Sorger）教授等一大批科學家均對超低功耗光子器件、全光信息處理等有自己獨到的見解。光計算相比于電計算具有很多優(yōu)勢，例如：光信號以光速傳輸，使速度得到巨大提升；光具有天然的并行處理能力以及成熟的波分復用技術(shù)，從而使數(shù)據(jù)處理能力和容量及帶寬大幅度提升；光計算功耗有望低至10～18 J/bit，相同功耗下，光子器件比電子器件快數(shù)百倍。

從空間光計算到光子芯片

人工智能計算需求增長曲線與電子芯片算力增長曲線的高度不匹配

1946年，杜費（Duffieux）將傅立葉變換引入光學中進而發(fā)展出的傅立葉光學是光學計算技術(shù)的起源。1950—1980年，科學家把光學和通信信息理論結(jié)合起來，把經(jīng)典的成像光學理論賦予信息處理的角色，發(fā)展出基于模擬光計算的光學信息處理技術(shù)。1980—2004年之間是光計算的黃金年代，人們已經(jīng)提出大量光計算技術(shù)，包括以模擬光計算代表的光學模式識別、邏輯光計算、光學神經(jīng)網(wǎng)絡(luò)（Optical Neural Networks）、光互連、光學全息存儲等。1987年，中科院上海光學精密機械研究所王之江院士在《中國科學院院刊》上撰文，提出了極具前瞻性的發(fā)展光計算技術(shù)的建議。此后，王之江院士等人在光學神經(jīng)網(wǎng)絡(luò)計算及光學邏輯計算方面開展了大量的工作。1989年構(gòu)建了第一個陰影投影法光學神經(jīng)網(wǎng)絡(luò)，提出兩種光學神經(jīng)網(wǎng)絡(luò)Hopfield模型原始結(jié)構(gòu)。然而，由于人們對光計算的應(yīng)用需求和應(yīng)用場景不是很清晰，并且缺乏與光計算技術(shù)相匹配的光學硬件體系，光計算技術(shù)的發(fā)展比較緩慢。

近年來，人們對光計算技術(shù)的需求迅速增加，其原因在于：一是隨著摩爾定律的逐步失效，以及大數(shù)據(jù)時代對計算系統(tǒng)功耗和速度要求的不斷提高，光計算技術(shù)高速和低功耗的特點越來越受到人們的重視；二是光計算技術(shù)的并行性運算特點，以及光學神經(jīng)網(wǎng)絡(luò)等算法和硬件架構(gòu)的發(fā)展，為圖像識別、語音識別、虛擬現(xiàn)實等人工智能技術(shù)對算力的需求提供了最有潛力的解決方案。光計算可以分為模擬光計算和數(shù)字光計算。模擬光計算最典型的一個例子就是傅立葉運算，在圖像處理等領(lǐng)域需要運用傅立葉變換相關(guān)的計算，如卷積計算。用傳統(tǒng)計算機來計算傅立葉變換是非常消耗計算量的，而光通過透鏡的過程，本身就是一次傅立葉變換的過程，這個過程幾乎完全不需要時間。數(shù)字光計算是利用光和光學器件組合形成經(jīng)典的邏輯門，構(gòu)建類似傳統(tǒng)數(shù)字電子計算原理的計算系統(tǒng)，通過復雜的邏輯門組合操作實現(xiàn)計算。

空間光計算 空間光計算的基礎(chǔ)是范德·拉格特（Vander Lugt）于1964年提出的基于光學相關(guān)器的方法，計算是在空間濾波的基礎(chǔ)上實現(xiàn)的，在系統(tǒng)焦平面上放置一個匹配濾波器，對輸入光信號進行相位補償，從而在輸出平面上產(chǎn)生代表計算結(jié)果的光信號。1978年，古德曼（J.W.Goodman）提出光學矢量-矩陣乘法器的光計算模型，其光路系統(tǒng)如下圖所示，主要由光源陳列、球面透鏡和柱面透鏡組、空間光調(diào)制器和光探測器陣列構(gòu)成。通過滑動來實現(xiàn)柱面鏡復制，然后根據(jù)光場復振幅調(diào)制來實現(xiàn)乘積，最后通過透鏡聚焦來實現(xiàn)求和。從矢量-矩陣乘法運算的過程可以看出其乘法運算和加法運算都是并行進行的，沒有次序先后的問題，從而大大提高了系統(tǒng)算力和運算效率。

基于多層感知器的衍射光學光子芯片 1943年，神經(jīng)生理學家沃倫·麥卡洛克（Warren S.McCulloch）和數(shù)學家沃爾特·皮茨（Walter Pitts）根據(jù)神經(jīng)信號傳輸方式提出了感知器的概念，即“M-P神經(jīng)元模型”。感知器是具有單一人造神經(jīng)元的神經(jīng)網(wǎng)絡(luò)，它有一個輸入層和將輸入單元和輸出單元相連的一組連接，描述了神經(jīng)元的時間總和、域值等特征，首次實現(xiàn)用一個簡單電路（即感知器）來模擬大腦神經(jīng)元的行為。2018年9月，加州大學洛杉磯分校奧茨坎（Ozcan）等人采用空間光調(diào)制器和三維打印的介質(zhì)材料構(gòu)建多層感知器，實現(xiàn)了衍射光學深度神經(jīng)網(wǎng)絡(luò)光子芯片，他們設(shè)計出3D打印的固態(tài)衍射光學元件，通過控制不同層之間傳播的衍射光來實現(xiàn)特定權(quán)重互連。不得不說，這種方案存在一些后續(xù)還需重點考慮的問題，例如：像元太大，導致扇入扇出角度太小，連接性不強；用空間光調(diào)制器加載矩陣元，功耗高、刷新慢；固定的介質(zhì)材料不可調(diào)制；計算功能簡單等。

光學向量-矩陣乘法器原理

基于馬赫-曾德干涉儀光開關(guān)陣列的可編程光子芯片2017年6月，美國麻省理工學院的沈（Shen）等人構(gòu)建了一種基于硅基馬赫-曾德干涉儀光開關(guān)陣列（MZI）的全光卷積架構(gòu)，通過在這種納米光子芯片上的深度學習編程實現(xiàn)語音識別功能。芯片由56個可編程MZI和213個相移單元級聯(lián)而成，設(shè)計的1×4神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)被集成到一個毫米級的硅基芯片上。MZI光開關(guān)在平面內(nèi)實現(xiàn)光學全互聯(lián)，通過調(diào)節(jié)電壓值實現(xiàn)MZI光開關(guān)的分光比，從而在芯片上加載可編程的權(quán)重矩陣。該方案中某一層的一個神經(jīng)元能連接到的鄰層神經(jīng)元的數(shù)量有限；MZI布線特點導致可擴展性差；相移器是熱光控制的，能量損耗較大。這些都是后續(xù)發(fā)展需要著重考慮的技術(shù)問題。

基于微環(huán)的全光學脈沖光子芯片 2019年5月，一種基于相變材料加級聯(lián)微環(huán)結(jié)構(gòu)的全光學神經(jīng)網(wǎng)絡(luò)芯片由德國明斯特大學費爾德曼（Feldmann）等人提出，該芯片可實現(xiàn)簡單的英文字母識別。該芯片構(gòu)建了一個包含140個相變微環(huán)光開關(guān)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，通過波分復用技術(shù)，使多種不同波長的激光在光波導芯片中互相無串擾傳輸。每個微環(huán)節(jié)點上都附著高靈敏的相變材料以構(gòu)成微環(huán)諧振器結(jié)構(gòu)神經(jīng)元。相變材料存在晶態(tài)和非晶態(tài)兩種不同特性，當材料為非晶態(tài)時表現(xiàn)出高透過率，在其中傳播的光波可通過；當材料為晶態(tài)時表現(xiàn)為低透射率，在其中傳播的光波大多被材料吸收，無法通過。該方案需要進一步解決的問題包括：已有相變材料體系無法實現(xiàn)負折射率，權(quán)重因子只能取正數(shù)，因此擬合效果較差；相變材料的壽命、響應(yīng)速度等。

應(yīng)用前景

大數(shù)據(jù)時代人們對電子計算機處理系統(tǒng)的算力和速度等要求越來越高，摩爾定律的失效使電子芯片在計算速度和功耗方面遇到了極大的挑戰(zhàn)，光子計算芯片以光子為信息的載體具有高速并行、低功耗的優(yōu)勢，因此被認為是未來高速、大數(shù)據(jù)量、人工智能計算處理的最具有前景的方案。例如，人工智能光子芯片是一種光計算架構(gòu)與人工智能算法高度匹配的芯片設(shè)計，有潛力廣泛應(yīng)用于自動駕駛、安防監(jiān)控、語音識別、圖像識別、醫(yī)療診斷、游戲、虛擬現(xiàn)實、工業(yè)物聯(lián)網(wǎng)、企業(yè)級服務(wù)器和數(shù)據(jù)中心等關(guān)鍵人工智能領(lǐng)域。

人腦由數(shù)百億神經(jīng)元高度互聯(lián)構(gòu)成，具有強大的處理能力，實驗顯示，生物大腦1秒鐘處理的計算量，超級計算機需要處理40分鐘才能完成。類腦光子芯片模擬人腦的計算，通過光子攜帶信息在模擬大腦的神經(jīng)網(wǎng)絡(luò)構(gòu)架下處理數(shù)據(jù)，使芯片達到像人腦一樣高速并行且低功耗的計算。以微納光子集成為基礎(chǔ)的光子芯片結(jié)合基于光學計算的神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)處理系統(tǒng)是應(yīng)對未來低功耗、高速度、寬帶寬、大數(shù)據(jù)量信息處理能力的關(guān)鍵。

從國家戰(zhàn)略安全和戰(zhàn)略需求的角度，光子芯片可以解決很多在數(shù)據(jù)處理時間長、無法實時處理、功耗高等應(yīng)用領(lǐng)域的關(guān)鍵問題。例如，在遠距離、高速運動目標的測距、測速和高分辨成像激光雷達中，在生物醫(yī)藥、納米器件等的內(nèi)部結(jié)構(gòu)實現(xiàn)高分辨無損檢測的新型計算顯微關(guān)聯(lián)成像裝備中，光子芯片均可以發(fā)揮其高速并行、低功耗、微型化的優(yōu)勢?？臻g激光通信是解決目前空間傳輸速率瓶頸的主要技術(shù)手段，是構(gòu)建天地一體化信息網(wǎng)絡(luò)的重要手段；水下激光通信是解決目前水下信號傳輸受環(huán)境影響的主要技術(shù)手段，是構(gòu)建水下通信一體化的重要手段。另外還有星間互聯(lián)網(wǎng)、6G通信、智能遙感測繪等國家戰(zhàn)略安全和戰(zhàn)略需求領(lǐng)域，而這些都是需要對大數(shù)據(jù)進行高速、低功耗、實時處理的。光子芯片在這些國家戰(zhàn)略領(lǐng)域?qū)⑵鸬椒浅Ｖ匾闹巫饔谩?/p>

當前新一輪科技革命和產(chǎn)業(yè)變革正在迅速深入發(fā)展，科技創(chuàng)新已成為推動社會經(jīng)濟發(fā)展的核心動力，面向“十四五”我國科技自立自強的偉大目標，我們應(yīng)當緊緊抓住光子芯片蓬勃發(fā)展的歷史機遇期，力爭實現(xiàn)關(guān)鍵核心技術(shù)的重大突破，助力將我國早日建設(shè)成為先進的創(chuàng)新型國家。