基于无损模分扇入的光子卷积加速器：突破单模光子计算的损耗瓶颈

为解决单模光子集成电路中光束合并时的固有插入损耗问题，研究人员开展了基于多模波导的无损模分扇入(MFI)光子卷积加速器研究。通过逆向设计开发了支持三模的高耐受性(±15 nm)多模3-dB耦合器和低功耗(23.6 mW)多模核调制器(MKM)，在C波段实现了7比特计算精度和125.14 TOPS/mm2的算术密度，为可扩展的光子计算提供了新范式。

　　

在人工智能爆发的时代，深度神经网络(DNN)的算力需求正以惊人速度增长，传统电子硬件已面临互连延迟、功耗墙和并行度瓶颈三大挑战。光学计算因其固有的并行处理能力被视为突破"电子瓶颈"的曙光，但单模光子集成电路中一个长期被忽视的"阿喀琉斯之踵"——光束合并时的固有损耗，严重制约着系统 scalability（可扩展性）。每当多个单模波导信号合并时，互易性原理就像一道无法逾越的物理屏障，导致至少50%的光功率损失。这种损耗在卷积神经网络(CNN)等需要大量 fan-in（扇入）操作的任务中尤为致命，成为阻碍光学计算实用化的"最后一公里"难题。

针对这一挑战，国内某研究机构的光子芯片团队在《Nature Communications》发表了一项创新研究。他们巧妙利用波导模式的正交性，开发出全球首个基于无损模分扇入(MFI)的光子卷积加速器。这项研究不仅突破了单模系统的物理限制，更通过多维度并行计算实现了创纪录的125.14 TOPS/mm²运算密度，为下一代AI加速器提供了全新解决方案。

研究人员采用三项核心技术：1) 逆向设计法开发支持三模的紧凑型器件，包括21μm长的MFI结构和325×80μm²的多模核调制器(MKM)；2) 集成NIP锗硅多模光电探测器实现模式选择性检测；3) 热光调制的多模相位调制方案，功耗降低60%。所有器件在220nm SOI（绝缘体上硅）平台实现，与CMOS工艺兼容。

多模扇入原理验证

通过对比单模扇入(SFI)和模分扇入(MFI)的散射矩阵，理论证明MFI可将N输入端的fan-in损耗从1/N降至近乎为零。实验测得MFI在C波段的插入损耗仅0.2-0.32dB，较SFI的3.53dB有数量级提升。

核心器件性能

逆向设计的3-dB耦合器在±15nm工艺偏差下仍保持0.3dB低损耗和-20dB串扰。MKM采用双TiN微电极设计，在3.6V驱动下实现三模同步π相移，功耗23.6mW，消光比>12dB。

系统级验证

0.42mm²的卷积加速器芯片在MNIST和Fashion-MNIST数据集上分别实现95.2%和87.9%分类准确率，与电学方法误差仅0.6-1.3%。多波长并行测试显示6-7比特计算精度，验证了模分复用(MDM)与波分复用(WDM)的协同优势。

这项研究从根本上改变了光学计算的游戏规则：通过将信号分配至正交模式，首次实现近乎无损的fan-in操作，解决了限制光子计算数十年的物理瓶颈。其意义不仅在于创纪录的125.14 TOPS/mm²算力密度，更开创了"模式维度"这一新的并行计算资源。虽然集成非线性激活函数仍是待解难题，但该工作为构建大规模光电混合神经网络铺平了道路，或将重新定义后摩尔时代的AI硬件架构。