一种可以增强海底传输系统的硅光子电子神经网络作者 Ingrid Fadelli , Tech Xplore信用：黄等人。我们目前正在目睹网络流量的爆炸式增长。云服务、视频流平台和物联网 (IOT) 等众多新兴服务和应用正在进一步增加对大容量通信的需求。光通信系统是使用光纤以光学方式传输信息的技术，是当今固定线路、无线基础设施和数据中心通信网络的骨干。在过去的十年中，互联网的发展得益于一种称为数字信号处理 (DSP) 的技术，该技术有助于减少传输失真。然而，DSP 目前是使用 CMOS 集成电路 (IC) 实现的，因此它严重依赖摩尔定律，该定律在功耗、密度和可行的工程解决方案方面已接近其极限。

因此，由称为光纤非线性的现象引起的失真无法通过 DSP 进行补偿，因为这需要太多的计算能力和资源。光纤非线性仍然是长距离传输系统的主要限制因素。

普林斯顿光波实验室和美国 NEC 实验室的研究人员最近创建了一种新的神经网络硬件，可以帮助克服这一限制，补偿光纤非线性的不利影响。这个神经网络发表在Nature Electronics 上的一篇论文中，运行在由几个神经元组成的基于硅的光子电子系统上，原则上，它在吞吐量、延迟和能源使用方面优于商用 DSP 芯片。”

“普林斯顿大学对‘神经形态光子学’的研究始于我们的导师 Paul Prucnal 教授和神经科学家 David Rosenbluth 的发现，”进行这项研究的研究人员之一黄超然告诉Tech Xplore。“这两位研究人员发现，光子器件和生物神经元受相同的微分方程控制，但‘光子神经元’的时间尺度大约为皮秒到纳秒，而生物神经元的时间尺度大约为一毫秒。”

Prucnal 教授和 Rosenbluth 之前的工作启发了该团队开始开发高性能、基于光子学的神经形态硬件。理想情况下，该硬件将能够以纳秒级执行人工神经网络，因此比传统的基于电子的系统要快得多。随后，团队中的一些研究人员基于广播权重协议创建了一种新的基于光网络的架构。这种有前途的架构使他们能够构建由光子神经元和可调谐微环谐振器组成的大规模光学网络，实现所谓的突触权重。在这种架构中，光子神经元和微环谐振器通过硅芯片上的光波导连接。

“这些进步使我们的光子神经网络具有执行实际应用程序的可扩展性，”黄解释说。“从那时起，我们一直在寻找光子学可以超越电子学的人工智能应用。我们和我们在 NEC 实验室美国光网络 + 传感部门的合作者创造了一种能够处理高速光通信信号的光子处理器，以解决后摩尔定律时代 DSP 容量的紧迫限制。”

DSP 是可以在众多智能设备中找到的硬件组件。在过去的几十年里，DSP 推动了许多连接到互联网的系统的发展。然而，在 CMOS 半导体电路上实现 DSP 的升级很大程度上依赖于摩尔定律。这是一个至关重要的限制，因为传统半导体现在在功耗和密度方面已经达到了极限。

“在后摩尔定律时代，DSP 容量可能越来越难以维持互联网流量的持续指数增长，”黄说。“我们使用由硅光子学支持的集成光子芯片上的硬件实现的神经网络来解决这个问题，该芯片可以实时处理光信号，即预测和补偿超过 10,000 公里跨太平洋海底传输链路中的光纤非线性。”

Huang 和她的同事开发的光子神经网络基于高质量的波导和光子器件，例如最初设计用于光通信的光电探测器和调制器。这最终使网络能够支持光纤通信速率，从而可以使用新开发的光网络进行实时处理。研究人员创建的硅神经网络也是完全可编程的，并且基于所谓的广播和权重协议，该协议在他们之前的一篇论文中介绍过。

“该协议使用波分复用 (WDM) 的概念来实现光子神经元之间的可扩展互连，”黄解释说。“这种架构中的神经元产生具有不同波长的光信号。这些光子神经元被多路复用到单个波导中并广播给所有其他波导。使用可调谐波长滤波器组将权重应用于在多个波长上编码的信号。”信用：黄等人。研究人员提出的协议通过沿其传输边缘调整滤波器来改变通过滤波器的信号传输，本质上是将信号与所需权重相乘。然后将得到的“加权”信号发送到一个光电探测器，该探测器可以并行接收多个波长的信号并将它们加在一起。

在这个初始过程中产生的光电流驱动一个光调制器，将光电流转换成光功率。这意味着在团队的光子网络中，光调制器具有非线性激活功能，充当人工神经元。

“通常，神经网络的互连性是大部分计算负载的来源，”黄说。“我们的光子-电子神经网络可以通过两种方式解决这个问题。首先，加权运算可以并行执行，不需要任何逻辑运算。因此，它们在能量耗散、延迟、与电子神经形态电路相比，串扰和带宽。”

除了并行执行加权操作外，Huang 和她的同事创建的网络还具有改进的互连性，因为它可以同时传输许多信号。这是通过称为波长复用的过程实现的。

“通过将每个节点与光的颜色相关联，一个网络可以支持 N 个额外的神经元连接，而无需添加任何物理线，”黄解释说。“相比之下，在电子神经形态电路中，多一个神经元会增加N个连接——如果N很大，这是一种禁止的情况。”

其独特的品质使硅光子电子神经网络非常适合创建包含数百个单个芯片上的人工神经元的大型系统，只使用几个互连波导。这可能对创建各种通信和处理设备产生显着影响。

“虽然在光子神经网络方面取得了一些令人印象深刻的工作（请参阅此处和此处的Nature 最近的论文），但这些系统解决了诸如识别数字之类的玩具问题，”黄说。“我们的工作可能首次展示了光子神经网络的实际演示，用于一项非平凡且具有深远影响的任务。在我们最近的论文中，我们展示了如何在由硅光子学支持的集成光子芯片上的硬件中实现神经网络可以实时处理光信号。”

在他们的论文中，该团队评估了他们开发的新网络在减少光纤非线性对跨越 10,080 公里的跨太平洋光纤传输系统性能的不利影响方面的潜力。在他们的测试中，他们发现它可以补偿光纤非线性并提高系统产生的信号的品质因数。

Huang和她的同事开发的网络的一个特征是它利用了高质量的波导和光子器件。这显着提高了其性能，使其成为解决与摩尔定律放缓相关的光网络容量限制的有前景的解决方案。

未来，这组研究人员创建的新神经网络可以帮助提高光通信工具的性能。到目前为止，Huang 和她的同事只使用他们的网络来解决单个波长通道中的信号失真问题。但是，他们认为它也可以应用于多个 WDM 光纤系统。

“我们现在计划使用这种独特的架构在光域中并行处理多个 WDM 通道，”黄说。 “这将导致带宽增加超过太赫兹，大大超出 DSP 的能力。这一独特的功能有助于在 WDM 通信系统中进行通道间非线性补偿，而 DSP 正在努力解决这一问题，同时通过消除耗电的 ADC 来提供低能耗操作（在某些传输系统中，这可能会消耗 40% 以上的能量。”

由于其优势特性，例如低延迟和低功耗，光子神经网络最终可能具有广泛的有价值的应用。例如，它们可用于提高机器学习、非线性编程和信号处理工具的性能。在接下来的研究中，Huang 和她的同事计划评估他们的光子电子神经网络在其中一些附加应用上的性能。

因此，由称为光纤非线性的现象引起的失真无法通过 DSP 进行补偿，因为这需要太多的计算能力和资源。光纤非线性仍然是长距离传输系统的主要限制因素。

普林斯顿光波实验室和美国 NEC 实验室的研究人员最近创建了一种新的神经网络硬件，可以帮助克服这一限制，补偿光纤非线性的不利影响。这个神经网络发表在Nature Electronics 上的一篇论文中，运行在由几个神经元组成的基于硅的光子电子系统上，原则上，它在吞吐量、延迟和能源使用方面优于商用 DSP 芯片。”

“普林斯顿大学对‘神经形态光子学’的研究始于我们的导师 Paul Prucnal 教授和神经科学家 David Rosenbluth 的发现，”进行这项研究的研究人员之一黄超然告诉Tech Xplore。“这两位研究人员发现，光子器件和生物神经元受相同的微分方程控制，但‘光子神经元’的时间尺度大约为皮秒到纳秒，而生物神经元的时间尺度大约为一毫秒。”

Prucnal 教授和 Rosenbluth 之前的工作启发了该团队开始开发高性能、基于光子学的神经形态硬件。理想情况下，该硬件将能够以纳秒级执行人工神经网络，因此比传统的基于电子的系统要快得多。随后，团队中的一些研究人员基于广播权重协议创建了一种新的基于光网络的架构。这种有前途的架构使他们能够构建由光子神经元和可调谐微环谐振器组成的大规模光学网络，实现所谓的突触权重。在这种架构中，光子神经元和微环谐振器通过硅芯片上的光波导连接。

“这些进步使我们的光子神经网络具有执行实际应用程序的可扩展性，”黄解释说。“从那时起，我们一直在寻找光子学可以超越电子学的人工智能应用。我们和我们在 NEC 实验室美国光网络 + 传感部门的合作者创造了一种能够处理高速光通信信号的光子处理器，以解决后摩尔定律时代 DSP 容量的紧迫限制。”

DSP 是可以在众多智能设备中找到的硬件组件。在过去的几十年里，DSP 推动了许多连接到互联网的系统的发展。然而，在 CMOS 半导体电路上实现 DSP 的升级很大程度上依赖于摩尔定律。这是一个至关重要的限制，因为传统半导体现在在功耗和密度方面已经达到了极限。

“在后摩尔定律时代，DSP 容量可能越来越难以维持互联网流量的持续指数增长，”黄说。“我们使用由硅光子学支持的集成光子芯片上的硬件实现的神经网络来解决这个问题，该芯片可以实时处理光信号，即预测和补偿超过 10,000 公里跨太平洋海底传输链路中的光纤非线性。”

Huang 和她的同事开发的光子神经网络基于高质量的波导和光子器件，例如最初设计用于光通信的光电探测器和调制器。这最终使网络能够支持光纤通信速率，从而可以使用新开发的光网络进行实时处理。研究人员创建的硅神经网络也是完全可编程的，并且基于所谓的广播和权重协议，该协议在他们之前的一篇论文中介绍过。

“该协议使用波分复用 (WDM) 的概念来实现光子神经元之间的可扩展互连，”黄解释说。“这种架构中的神经元产生具有不同波长的光信号。这些光子神经元被多路复用到单个波导中并广播给所有其他波导。使用可调谐波长滤波器组将权重应用于在多个波长上编码的信号。”信用：黄等人。研究人员提出的协议通过沿其传输边缘调整滤波器来改变通过滤波器的信号传输，本质上是将信号与所需权重相乘。然后将得到的“加权”信号发送到一个光电探测器，该探测器可以并行接收多个波长的信号并将它们加在一起。

在这个初始过程中产生的光电流驱动一个光调制器，将光电流转换成光功率。这意味着在团队的光子网络中，光调制器具有非线性激活功能，充当人工神经元。

“通常，神经网络的互连性是大部分计算负载的来源，”黄说。“我们的光子-电子神经网络可以通过两种方式解决这个问题。首先，加权运算可以并行执行，不需要任何逻辑运算。因此，它们在能量耗散、延迟、与电子神经形态电路相比，串扰和带宽。”

除了并行执行加权操作外，Huang 和她的同事创建的网络还具有改进的互连性，因为它可以同时传输许多信号。这是通过称为波长复用的过程实现的。

“通过将每个节点与光的颜色相关联，一个网络可以支持 N 个额外的神经元连接，而无需添加任何物理线，”黄解释说。“相比之下，在电子神经形态电路中，多一个神经元会增加N个连接——如果N很大，这是一种禁止的情况。”

其独特的品质使硅光子电子神经网络非常适合创建包含数百个单个芯片上的人工神经元的大型系统，只使用几个互连波导。这可能对创建各种通信和处理设备产生显着影响。

“虽然在光子神经网络方面取得了一些令人印象深刻的工作（请参阅此处和此处的Nature 最近的论文），但这些系统解决了诸如识别数字之类的玩具问题，”黄说。“我们的工作可能首次展示了光子神经网络的实际演示，用于一项非平凡且具有深远影响的任务。在我们最近的论文中，我们展示了如何在由硅光子学支持的集成光子芯片上的硬件中实现神经网络可以实时处理光信号。”

在他们的论文中，该团队评估了他们开发的新网络在减少光纤非线性对跨越 10,080 公里的跨太平洋光纤传输系统性能的不利影响方面的潜力。在他们的测试中，他们发现它可以补偿光纤非线性并提高系统产生的信号的品质因数。

Huang和她的同事开发的网络的一个特征是它利用了高质量的波导和光子器件。这显着提高了其性能，使其成为解决与摩尔定律放缓相关的光网络容量限制的有前景的解决方案。

未来，这组研究人员创建的新神经网络可以帮助提高光通信工具的性能。到目前为止，Huang 和她的同事只使用他们的网络来解决单个波长通道中的信号失真问题。但是，他们认为它也可以应用于多个 WDM 光纤系统。

“我们现在计划使用这种独特的架构在光域中并行处理多个 WDM 通道，”黄说。 “这将导致带宽增加超过太赫兹，大大超出 DSP 的能力。这一独特的功能有助于在 WDM 通信系统中进行通道间非线性补偿，而 DSP 正在努力解决这一问题，同时通过消除耗电的 ADC 来提供低能耗操作（在某些传输系统中，这可能会消耗 40% 以上的能量。”

由于其优势特性，例如低延迟和低功耗，光子神经网络最终可能具有广泛的有价值的应用。例如，它们可用于提高机器学习、非线性编程和信号处理工具的性能。在接下来的研究中，Huang 和她的同事计划评估他们的光子电子神经网络在其中一些附加应用上的性能。