基于模式分复用与相变材料的超紧凑非易失性光子矩阵-向量乘算引擎

《Scientific Reports》：Non-volatile, compact, and broadband multimode matrix vector multiplication for photonic neuromorphic computing

　　

摘要

矩阵 - 向量乘法 (MVM) 是人工神经网络中的基本运算。尽管传统的 MVM 电子实现在速度和能效方面面临瓶颈，但在此，我们设计了一种超紧凑（185 μm × 21 μm）的非易失性光子 MVM 引擎，利用基模和基一阶横磁模的模式分复用 (MDM)。该架构集成了多模干涉仪功率分配器（插入损耗 0.98 dB）、定向耦合器复用/解复用器（串扰抑制≈ -10 dB，插入损耗 0.87 dB）以及一个加权核心，该核心包含四条独立可编程的加权路径，每条路径串联包含五个 Ge₂Sb₂Se₄Te₁ (GSST) 相变单元，总计二十个单元。通过电编程将单个 GSST 单元在 非晶态和 晶态 之间进行切换，该器件支持 1296 种不同的矩阵配置，TM0 和 TM1 模式的消光比分别为 11.29 dB 和 17.3 dB。电热仿真表明，使用 5 V 和 33 ns 脉冲进行结晶可实现超快且可逆的切换，而 12 V 和 5 ns 脉冲则触发熔化和快速淬火以实现非晶化。GSST 的非易失特性消除了静态功耗，实现了节能运行。完整的 MVM 在 1550 nm 处 TM0 和 TM1 模式的总插入损耗分别为 2.76 dB 和 3.64 dB。该器件在 40 nm 带宽 (1540–1580 nm) 范围内保持功能，为节能的、基于 MDM 的光子计算提供了可扩展的路径。