基于集成光子平台的全模拟在线端到端训练及实时自适应

模拟神经形态光子处理器独特地利用光的超高带宽和内在并行性，实现可扩展性、芯片集成以及显著的计算性能提升。然而，尤其是在实现实时在线训练、有效的全模拟系统以及动态环境变化下的自适应学习方面，仍存在诸多未解决的挑战。本文我们展示了一个在foundry制造的硅光子集成电路上实现的芯内模拟全模拟端到端自适应学习系统。该平台利用多路复用梯度下降算法进行即时、飞行上的训练，同时保持在线跟踪和实时自适应的鲁棒性。其核心是处理器集成了一个单晶集成的微环谐振器权重库数组和芯内光电探测器，实现了梯度信号的直接光学测量。这消除了对高精度数字矩阵乘法的需求，显著降低了计算开销和延迟，这是有效在线训练的关键要求。我们在实验中展示了以千兆比特速率进行实时、端到端模拟训练，分别实现了超过90%和80%的准确率。我们的模拟神经形态处理器引入了自学习能力，动态调整训练参数，为具有高效实时处理能力、能够适应不可预测真实环境的完全自治神经形态架构铺路。结果表明，我们实现了对动态变化输入数据集的自适应在线跟踪，准确率超过90%，并对外部温度波动和内部热串扰具有鲁棒性。