美國制造新型硅芯片 演示光學(xué)神經(jīng)網(wǎng)絡(luò)

  ICCSZ訊 美國國家標(biāo)準(zhǔn)與技術(shù)研究所(NIST)的研究人員制造了一種新的硅芯片，可以精確地通過微型類腦網(wǎng)格分發(fā)光學(xué)信號，展示了神經(jīng)網(wǎng)絡(luò)潛在的創(chuàng)新設(shè)計方案。

  人腦擁有數(shù)十億個神經(jīng)元(神經(jīng)細(xì)胞)，每個神經(jīng)元與其他神經(jīng)元有成千上萬個連接。許多計算研究類項目旨在通過創(chuàng)建人工神經(jīng)網(wǎng)絡(luò)電路來模擬大腦。但是傳統(tǒng)的電子器件，包括半導(dǎo)體電路的電氣布線，往往會阻礙有用的神經(jīng)網(wǎng)絡(luò)所需的極其復(fù)雜的布線。

  技術(shù)突破

  NIST團(tuán)隊提出了使用光而不是電作為信號媒介。神經(jīng)網(wǎng)絡(luò)已經(jīng)在解決復(fù)雜問題方面表現(xiàn)出了非凡的力量，包括快速模式識別和數(shù)據(jù)分析。光的使用將消除由于電荷引起的干擾，并且光信號將能更快和更遠(yuǎn)地傳播。

  NIST物理學(xué)家Jeff Chiles表示：“光的優(yōu)勢可以提高神經(jīng)網(wǎng)絡(luò)在科學(xué)數(shù)據(jù)分析方面的性能，例如搜索類似地球的行星和量子信息科學(xué)，并加速無人駕駛汽車高度直觀的控制系統(tǒng)的開發(fā)?！?

  傳統(tǒng)計算機(jī)是通過算法或人工編碼規(guī)則處理信息。相比之下，神經(jīng)網(wǎng)絡(luò)依賴于處理單元或神經(jīng)元之間的連接網(wǎng)絡(luò)，其可以被訓(xùn)練以識別某些刺激模式。神經(jīng)或神經(jīng)形態(tài)計算機(jī)將由大型復(fù)雜的神經(jīng)網(wǎng)絡(luò)系統(tǒng)組成。

  在已發(fā)表的研究成果中介紹到，NIST芯片通過垂直堆疊兩層光子波導(dǎo)結(jié)構(gòu)克服了使用光信號的主要挑戰(zhàn)，光子波導(dǎo)結(jié)構(gòu)將光限制在狹窄的線路中，以實現(xiàn)光信號的布線，就像采用電線傳輸電信號一樣。這種三維(3D)設(shè)計實現(xiàn)了復(fù)雜的布線方案，這是模擬神經(jīng)系統(tǒng)所必需的。此外，當(dāng)需要更復(fù)雜的網(wǎng)絡(luò)時，這種設(shè)計可以很容易擴(kuò)展到包含更多的波導(dǎo)層。

  堆疊的波導(dǎo)結(jié)構(gòu)形成一個三維網(wǎng)格，該網(wǎng)格具有10個輸入神經(jīng)元，每個神經(jīng)元連接到10個輸出神經(jīng)元，共計100個接收器。這些波導(dǎo)結(jié)構(gòu)是在硅晶圓上制造的，由氮化硅制成，每個波導(dǎo)結(jié)構(gòu)長度為800納米(nm)，厚度為400nm。研究人員開發(fā)了一種可自動生成信號布線的軟件，并在神經(jīng)元之間能進(jìn)行可調(diào)節(jié)的連接。

  激光通過光纖傳輸?shù)叫酒Ｄ繕?biāo)是按照選定的光線強(qiáng)度或功率分布模式將每個輸入路由到每個輸出組。功率等級代表了電路中連接模式和程度。研究成果的作者展示了兩種控制輸出強(qiáng)度的方案：一致的(每個輸出接收相同的功率)和“鐘形曲線”分布(中間的神經(jīng)元接收最大的功率，而外圍神經(jīng)元接收功率較少)。

  為了評估結(jié)果，研究人員制作了輸出信號的圖像。所有信號通過顯微鏡透鏡聚焦到半導(dǎo)體傳感器上，并處理成圖像幀。該方法使許多器件可以同時在高分辨率條件下分析。輸出高度地一致，錯誤率低，確保了精確的功率分布。

  圖為NIST的片上網(wǎng)格精確分發(fā)光信號，展示了神經(jīng)網(wǎng)絡(luò)的潛在新型設(shè)計方案。三維結(jié)構(gòu)實現(xiàn)了復(fù)雜的布線方案，這是模仿大腦所必需的。光信號可以比電信號傳播得更遠(yuǎn)更快。

  重要意義

  Jeff Chiles指出：“在這項研究中，我們真正做了兩件事，我們已經(jīng)開始使用三維結(jié)構(gòu)來實現(xiàn)更多的光學(xué)連接，同時我們開發(fā)了一種新的測量技術(shù)，可以快速表征光子系統(tǒng)中的許多器件。隨著我們的研究開始擴(kuò)展到大規(guī)模的光電神經(jīng)系統(tǒng)，這兩項進(jìn)展都至關(guān)重要。”

  成果發(fā)表

  Jeff Chiles, Sonia M. Buckley, Sae Woo Nam, Richard P. Mirin, Jeffrey M. Shainline. Design, fabrication, and metrology of 10 × 100 multi-planar integrated photonic routing manifolds for neural networks. APL Photonics, 2018; 3 (10): 106101 DOI: 10.1063/1.5039641