近日，我室项水英教授团队在光神经形态计算研究方向取得重要进展。在高水平光学类期刊《Optica》上发表了题为“Hardware-algorithm collaborative computing with photonic spiking neuron chip based on integrated Fabry–Pérot laser with saturable absorber”（基于FPSA半导体激光器的光脉冲神经元芯片硬件与算法协同计算）的最新研究成果。

本论文针对光神经网络非线性计算难题，自主研制了基于两段式半导体激光器的新型光脉冲神经元芯片。为规避硬件集成规模限制，进一步提出了时分复用光域时空编码机制，大大地降低了硬件节点要求。并首次实现了光脉冲神经网络的硬件与监督算法的软硬协同计算（架构如图1所示），完成了基于脉冲机制的模式识别任务（如图2所示），这一实验发现是推动集成光子脉冲神经网络芯片实际应用的重要一步，并证明了构建大规模多层光子脉冲神经网络芯片解决复杂任务的潜力，为大规模光脉冲神经网络的硬件实现奠定了重要基础。

图1.采用时空编码机制的光脉冲神经元芯片软硬协同计算架构

图2.光脉冲神经元芯片与监督算法软硬协同实现模式分类任务

本文报道的光脉冲神经元芯片，基于传统InP基激光器工艺平台，具有集成化、低功耗、高速率、易于调谐等特点，适用于大带宽、高速率、低延迟等应用场景，为实现集成化光神经形态计算系统奠定了器件基础。有望在数据中心、边缘计算、自动驾驶等应用中发挥其独特的竞争力。

论文链接：https://doi.org/10.1364/OPTICA.468347