面向人工智能的光子學

基於光計算架構開發高速度、低功耗的人工智能硬件加速器

背景簡介

人工智能和深度學習模型的指數級增長,正將傳統的電子計算硬件推向物理極限,尤其是在功耗和互連通信瓶頸(如“功耗牆”和“存儲牆”)方面。光計算作為一種極具前景的新型計算範式應運而生,它利用光子代替電子來處理信息,具備極高帶寬、亞納秒級延遲以及超低功耗的天然優勢。通過將複雜的數學運算直接映射到光的傳播、干涉與衍射等物理過程中,光子學能夠在光速下加速特定計算任務。

本研究方向聚焦於利用光的獨特物理特性構建下一代計算硬件。我們探索全新的架構與器件概念,使其能夠與現有的機器學習框架進行有效對接,從而將繁重的計算負載從高能耗的數字電子芯片轉移到高效的模擬光子處理器中。

研究意義與潛在應用

利用光子硬件增強或替代傳統的數字處理器,將從根本上改變數據密集型計算的基礎設施。其潛在應用涵蓋大規模人工智能數據中心、需要實時邊緣智能的自動駕駛與無人系統,以及高頻信號處理等關鍵領域,在這些領域中,降低延遲和每步運算能耗對於實現技術的可持續擴展至關重要。

研究焦點

  • 非馮架構的存算一體光計算: 設計將光學存儲與處理單元融為一體的非馮諾依曼計算架構,以從根本上消除數據搬運帶來的性能瓶頸。(例如 (Wu* et al., 2024; Wu* et al., 2025)
  • 激活和算子器件: 開發非線性光學元件及專用的硬件算子單元,以在光域內直接實現關鍵的非線性激活函數和複雜的數學運算。
  • 光學孿生(光仿真/光模擬):利用基於硬件的光學仿真系統構建高度逼真的物理或計算模型,以實現高保真度的過程鏡像與計算加速。(例如 (Wu† et al., 2022; Wu* et al., 2024; Wu* et al., 2025)
光子學邏輯計算與仿真。

我們期待新鮮血液和新穎想法的加入與合作!

相關成果

2025

  1. ACSP-MyCover20250319.jpg
    Intracavity Epsilon-Near-Zero Dual-Range Frequency Switch
    ACS Photonics, Mar 2025

2024

  1. IPC.png
    Versatile and Efficient Dual-Range Frequency Shifts by Intracavity Epsilon-Near-Zero Nanolayers
    In IEEE Photonics Conference (IPC), Nov 2024

2022

  1. LPR1.jpg
    Observation of SQUID-Like Behavior in Fiber Laser with Intra-Cavity Epsilon-Near-Zero Effect
    Laser & Photonics Reviews, Dec 2022