基于薄膜铌酸锂的高效电光转换集成光子计算电路

为解决人工智能应用中电子-光学数据转换（EO conversion）的速度和能耗瓶颈，哈佛大学团队在薄膜铌酸锂（TFLN）平台上开发了集成光子计算电路。该研究通过高效电光调制器（AMs）实现43.8 GOPS/channel运算速度与0.0576 pJ/OP的超低能耗，成功完成MNIST和CIFAR-10数据集的分类任务，并展示了激光器（DFB）与探测器（MUTC-PD）的异质集成。这一突破为下一代光子计算提供了兼具高速度与低功耗的解决方案。

　　

随着人工智能对算力需求的爆炸式增长，传统电子计算在并行处理的速度和能效方面逐渐逼近物理极限。光子计算凭借光子固有的高带宽、低延迟和并行性优势，被视为突破"电子瓶颈"的重要路径。然而，现有光子计算架构面临一个关键挑战：电子-光学数据转换（electro-optic conversion, EO转换）过程的速度和能耗严重制约了系统整体性能。无论是硅基光子还是自由空间光学方案，都无法同时实现高速运算与低功耗的EO转换，这成为制约光子计算实用化的"阿喀琉斯之踵"。

在此背景下，哈佛大学Marko Lon?ar团队与多国合作者在《Nature Communications》发表研究，提出基于薄膜铌酸锂（thin-film lithium niobate, TFLN）的光子计算新范式。铌酸锂晶体因其优异的电光效应（electro-optic effect）长期以来被视为光学调制器的"黄金标准"，但传统体材料器件难以满足集成化需求。近年来TFLN平台的突破使纳米尺度下同时实现强电光耦合与低光学损耗成为可能，为构建新一代光子计算电路提供了理想载体。

研究团队通过三项关键技术实现突破：1）采用反应离子刻蚀工艺制备损耗仅0.28 dB/cm的TFLN波导阵列；2）设计双层金电极与镍铬电阻的微波电路，实现>40 GHz带宽与2.2 V·cm的V_π·L乘积；3）开发异质集成III-V族改性单行载流子光电探测器（MUTC-PD）和分布式反馈激光器（DFB）的混合集成方案。这些技术创新使TFLN电路在保持纳米级集成度的同时，兼具通信级调制性能。

加速器架构

研究团队设计了基于级联振幅调制器（AMs）的矩阵向量乘法（MVM）核心单元。如图1所示，连续激光通过第一级AM编码输入向量x?后，经1:16分束树分配到各通道，第二级AM同步加载权重向量a?实现逐元素乘法。通过时空复用技术，单通道运算速度达43.8 GOPS，能耗仅0.0576 pJ/OP。

TFLN光子计算电路实现

如图2所示，电路包含2个计算核心，每个核心集成17个光栅耦合器、15个Y型分束器和16通道调制器阵列。通过优化干法刻蚀工艺，实现侧壁光滑度<1 nm的波导结构，分束树附加损耗仅0.135 dB/通道。微波电路采用双层金电极设计，NiCr电阻实现>20 dB微波反射抑制。

高速低能耗光子计算

在随机向量乘法测试中（图3），系统在22.8 ps/符号速率下保持稳定运算，误差标准差σ<0.5%。通过调节光功率，能耗可降低至0.0576 pJ/OP，比现有硅基方案提升两个数量级。

推理任务验证

在二元分类任务中（图4），电路对400个二维数据点实现93.8%分类准确率；在MNIST手写数字识别中（图5），两层神经网络达到88%准确率（电子计算为92%）；对CIFAR-10复杂图像数据集，通过卷积神经网络预处理后，系统成功完成卡车、猫、鸟等10类物体分类。

混合集成TFLN光子电路

如图6所示，团队进一步展示集成DFB激光器和MUTC-PD的单通道系统。DFB在50 mA阈值电流下实现0.25 W/A斜率效率，MUTC-PD在-2 V偏压下暗电流仅2.7 nA。虽然当前验证系统运算速度降至10.33 GOPS，但为全集成光子计算芯片奠定基础。

这项研究标志着光子计算领域的重大进展：首先，TFLN平台首次同时实现通信级调制性能（>40 GHz带宽）与计算级能效（亚皮焦耳/操作），突破了EO转换的"速度-能耗权衡"；其次，通过晶圆级制造工艺（图6a）与三维集成策略，展示了通向大规模光子计算芯片的可行路径。未来通过采用多层电容加载电极设计（可实现V_π<1 V）和光子线键合封装，性能还有数量级提升空间。

研究团队特别指出，该架构的通用性使其可与其他光子计算范式（如衍射光学）结合，在机器视觉、激光雷达、量子计算等领域具有广阔应用前景。正如论文通讯作者Marko Lon?ar强调："TFLN光子电路不仅解决了当前光子计算的EO转换瓶颈，更开辟了从可见光到太赫兹波段的新型计算范式探索空间。"这项突破性工作为后摩尔时代的高性能计算提供了极具竞争力的技术路线。