基于级联TFLN微环谐振器的光子指数近似方法及其在Softmax中的应用
摘要
大规模AI模型的快速发展加剧了现代数据中心中的能耗和数据移动挑战。光子加速器通过以高吞吐量和低能耗执行Transformer推理中的线性矩阵乘法，提供了一条有前景的路径。然而，softmax注意力层需要逐元素指数运算后进行归一化，目前仍依赖电子后处理，这造成了光电转换瓶颈，抵消了大部分潜在的光子优势。我们提出了一种级联微环谐振器(MRR)架构，该架构在有限区间内合成softmax所需的逐通道指数函数e^{x_n - max(x)}，并具有可调的最坏情况相对误差。控制信号通过电光机制失谐每个微环；固定频率的弱探测光经历洛伦兹传输，级联N个相同级产生一个乘法传递函数，其对数近似线性。我们推导了映射规则、深度缩放估计和极小化极大拟合公式，并通过X切薄膜铌酸锂(TFLN) add-drop微环谐振器的三维FDTD模拟验证了该框架。直接的多环FDTD验证扩展到五环级联，并确认了主要在上部工作范围内与理论的一致性；对更深级联和更高品质因子进行了分析评估。该级联实现了逐通道指数模块，这是光子softmax所缺失的关键非线性环节。我们进一步提出了一种具有闭环PI反馈的WDM并行芯片架构，该架构在单个光子芯片上完成完整的softmax——指数运算、求和与归一化——无需逐通道归一化电路。
引用
@article{arxiv.2603.12934,
title = {Photonic Exponential Approximation via Cascaded TFLN Microring Resonators toward Softmax},
author = {Hyoseok Park and Yeonsang Park},
journal= {arXiv preprint arXiv:2603.12934},
year = {2026}
}
备注
40 pages, 15 figures (8 main + 7 supplementary), 5 tables. Includes supplementary material with rigorous derivations, empirical logit-range calibration, Monte Carlo robustness analysis, and PI feedback stability analysis. v5: updated figures (TikZ vector graphics), terminology corrections, abstract revised