集成衍射光子神经网络（DONN）：突破计算瓶颈的新一代光子计算芯片

机器学习技术已广泛应用于高性能信息处理领域，与此同时，在解决各类复杂任务时，对计算容量、处理速度以及能效的要求也持续攀升。然而，现有硬件的计算速度受限于传统冯·诺依曼体系结构，随着计算过程耗时增加，计算效率逐渐下降，能耗也随之增大。近年来，光子方法在处理涉及复杂计算的深度学习任务方面展现出巨大潜力，国内外多家研究机构相继提出集成光子神经网络新架构，例如基于马赫增德尔干涉仪（MZI）、微环谐振腔（MRR）以及波分系统设计的光子神经网络。不过，当前集成光子神经网络普遍面临计算单元大规模拓展受限的难题，严重制约了计算容量的进一步提升。

图1. 集成衍射光子神经网络示意图

一、DONN：用亚波长结构突破集成度瓶颈

清华大学电子系陈宏伟教授课题组提出了一种基于亚波长结构的集成衍射光子神经网络（DONN），突破了空间衍射光子神经网络的体积限制，不仅显著提升了计算单元的集成度，还大幅减少了因庞大体光学元件及系统校准所带来的误差。

相较于其他集成光子神经网络，DONN芯片摆脱了波导数目的约束，更容易实现计算单元的片上大规模拓展，从而有效解决了集成光子神经网络的高计算容量问题。