GHz 级脉冲神经光子芯片及原位训练
光学
2025-06-18 v1
摘要
神经光子计算代表了下一代人工智能的范式转变，但在模拟大脑事件驱动、异步动态方面仍存在关键缺口，这一挑战阻碍了其潜能的充分释放。本文报道了一项里程碑式的突破：开发了首个在与 CMOS 兼容的硅平台上实现全栈脑类计算的脉冲神经光子网络（PSNN）芯片。该网络具备吉赫比尺度的非线性脉冲动力学、原位学习能力（基于监督型突触可塑性）以及受视网膜启发的脉冲编码，能够提供信息丰富的事件表示，解决了长期以来的时空数据集成和高效能动态处理难题。凭借其无帧、事件驱动的工作方式，神经光子电子系统在 KTH 视频识别数据集上实现了 80% 的准确率，处理速度约为传统帧基方法的 100 倍。该工作标志着神经光子计算在可扩展光子平台上的一次跨越，具备低延迟和高吞吐量，为实时动态视觉处理和自适应决策（如自动驾驶、机器人导航）等高级应用铺平了道路。
引用
@article{arxiv.2506.14272,
title = {GHz spiking neuromorphic photonic chip with in-situ training},
author = {Jinlong Xiang and Xinyuan Fang and Jie Xiao and Youlve Chen and An He and Yaotian Zhao and Zhenyu Zhao and Yikai Su and Min Gu and Xuhan Guo},
journal= {arXiv preprint arXiv:2506.14272},
year = {2025}
}
备注
18 pages, 4 figures