硅芯片上的光子神经场:大规模高速类脑计算与感知

光子神经网络在低延迟、超低能耗的高速神经处理方面具有显著潜力。然而,由于可扩展性低,大规模神经网络在片上的实现仍具挑战。本文提出光子神经场的概念,并在硅芯片上实验实现,以达成高可扩展的类脑计算。与现有光子神经网络不同,光子神经场是对光输入产生非线性响应的空间连续场,其高空间自由度允许在毫米级芯片上进行大规模、高密度神经处理。在本研究中,我们将片上光子神经场用作信息储备池,并采用类似于储备池计算的训练方法,展示了低误差的高速混沌时间序列预测。我们讨论指出,对于单个输入波长,光子神经场有望在仅几平方毫米的面积上执行每秒超过一千万亿次乘加运算。除处理外,光子神经场还可利用其高光输入灵敏度,快速感知光相位的时变。光学处理与光学感知的融合为端到端数据驱动的光学感知方案铺平了道路。