無線網絡、物聯(lián)網以及云服務的高速發(fā)展對底層射頻系統(tǒng)的電子帶寬、處理速度和功耗提出了更高要求。新興的人工智能技術對模擬信號的計算能力和處理水平也日益增加。集成微波光子學作為通過光學元件產生、傳輸和操縱微波信號的新型技術,為解決上述挑戰(zhàn)提供了有效的解決方案。
香港城市大學王騁團隊基于鈮酸鋰平臺,成功開發(fā)出一種處理速度更快、能耗更低的集成微波光子芯片。該系統(tǒng)可以在在互補金屬氧化物半導體兼容電壓下執(zhí)行多用途任務,處理帶寬高達67 GHz。相關成果以“Integrated lithium niobate microwave photonic processing engine”為題發(fā)表于Nature。
研究團隊利用4英寸晶圓級鈮酸鋰平臺將超快電光轉換模塊與低損耗、多功能信號處理模塊同時結合在一塊芯片上,組成集成微波光子系統(tǒng)。該系統(tǒng)具有多用途的計算功能,包括一階和二階時間積分和微分,處理速度高達每秒256千兆樣本。為檢測系統(tǒng)性能,他們演示了三個概念驗證應用:求解常微分方程、生成超寬帶信號和檢測圖像邊緣特征。出色的實驗結果表明,該系統(tǒng)相比于其他的片上和片外集成微波光子系統(tǒng)在操作帶寬、處理速度和能耗方面具有優(yōu)勢。
圖1 基于晶圓級鈮酸鋰的微波光子學信號處理引擎及其構建模塊
為證明新型鈮酸鋰微波光子芯片比傳統(tǒng)的微波光子芯片具有更強勁的應用場景,研究人員利用光子輔助圖像邊緣檢測器來實現(xiàn)光子輔助圖像分割并觀察效果。該系統(tǒng)通過對二維圖像序列化的時域數(shù)據(jù)流執(zhí)行場對場微分運算來實現(xiàn)圖像邊緣特征提取。
首先,研究人員以250×250像素的圖片“CityU”為例進行測試,時間微分和邊緣檢測在244ns內“動態(tài)”執(zhí)行,并由示波器實時捕獲,最終通過將捕獲的時間序列數(shù)據(jù)解復用回矩陣模式,形成重建圖像。與模擬結果相比,實驗中的圖像邊緣特征被清晰地分辨出來,準確率達到96.6%。更重要的是,這種新型圖像處理器要比傳統(tǒng)的電子芯片快三個數(shù)量級并且消耗的能量更少。
然后,研究人員將光子輔助圖像邊緣檢測器插入到基于深度卷積神經網絡的圖像分割模型中,以97.3%的平均分割準確率有效勾勒出醫(yī)學診斷圖像中色素瘤病變的邊界。他們采用邊緣檢測信息代替原始圖像輸入到深度卷積神經網絡中,從而改善了異常區(qū)域和正常區(qū)域之間的邊界模糊導致預測結果準確率降低的問題。與其他光子平臺或傳統(tǒng)的電子平臺相比,研究人員所展示的新型光子輔助圖像邊緣檢測器具有計算速度更快、能量消耗更少的優(yōu)勢,從而為高復雜性、高通量的實時醫(yī)療診斷提供了強有力的手段。而且該檢測器還可以進一步擴展功能,在未來有望實現(xiàn)光子人工智能和計算視覺技術。
圖2 高速光子輔助醫(yī)學圖像分割
該團隊所展示的這種新型集成微波光子芯片與其他諸如微腔、片上受激布里淵散射濾波器一類的高性能光子組件高度兼容,能夠進一步集成,從而提供更完備的功能。此外,低噪聲激光源、高功率光電探測器和微波放大器等組件也可通過異構集成組裝到他們的鈮酸鋰平臺上,為下一代通信和信息技術帶來高度緊湊、性能優(yōu)異、經濟高效的集成微波光子系統(tǒng)。
論文鏈接:https:/doi.org/10.1038/s41586-024-07078-9
新聞來源:愛光學