基于光子纳米梁谐振器实现全光非线性激活函数及其在光神经网络中的应用

《IEEE Photonics Journal》：Realization of All-Optical Nonlinear Activation Function in Photonic Nano-Beam Resonators for Application in Optical Neural Networks

　　

本研究提出了一种面向集成光神经网络的新型非线性激活函数，该函数基于热驱动光子晶体纳米梁谐振器并与相变材料锗锑碲（GST）集成。研究人员首次将基于GST的光子晶体纳米梁谐振器用于通过受控热相变实现动态、可调谐的非线性，从而调制谐振器的光学响应。所提出的非线性激活函数作为卷积神经网络架构中的自定义激活层实现，并在两个基准数据集上进行评估：美国国家标准与技术研究院手写数字数据库（MNIST）和威斯康星乳腺癌诊断数据集（BCWD）。该系统分别达到98.93%（MNIST）和96.49%（BCWD）的分类准确率，展现出与传统电子对应方案相媲美的稳健性能。该GST-光子晶体纳米梁谐振器平台不仅为光子神经网络提供了可扩展、能量高效的解决方案，还凸显了相变材料在调控机器学习应用非线性光学响应方面的潜力。器件的热开关速度（神经元操作速度）估计为9.13 MHz。该工作将光子器件创新与算法功能相结合，推进了面向低功耗推理任务的集成光神经网络的发展。

该论文发表于《IEEE Photonics Journal》，研究人员针对集成光神经网络中非线性激活函数的实现难题开展研究。光神经网络因其高速处理、高能效和大规模并行性而被视为电子神经网络的有前景替代方案，但在全光架构中实现有效的非线性激活仍面临重大挑战。传统电子神经网络中的激活函数依赖晶体管和二极管等电子元件，与全光实现天然不兼容；而已有方案存在相位匹配精度要求高、热开销大、材料均匀性不足、需要光电转换或受限于载流子寿命等问题。

研究人员提出了一种基于热驱动GST相变材料的光子晶体纳米梁谐振器结构来实现非线性激活函数。该纳米梁谐振器在绝缘体上硅平台上制备，硅层厚度250 nm，波导宽度500 nm，采用周期性气孔分布形成分布式缺陷结构，品质因数（Q-factor）超过10⁶。器件核心区域在中央两个气孔之间集成15 nm厚、110 nm长的GST层，并覆盖10 nm氧化铟锡（ITO）层以增强局域电场。谐振器支持两个本征模式：偶对称模式（λ₁ = 1571.84 nm）场强局域于纳米梁中心，对GST相变敏感；奇对称模式（λ₂ = 1596.22 nm）在中心处场强为零，对GST相变不敏感。利用这一差异，研究人员以1596.22 nm泵浦光将GST预热至接近相变阈值，再以1571.84 nm探测光吸收产热引发相变，从而获得强度相关的非线性透射响应。热设计采用三维有限时域差分法（3D FDTD）耦合热传导方程求解，GST相变温度窗口为413 K至891 K，工作阈值设定为623 K。瞬态热光响应测试表明器件上升时间17.4 ns、下降时间109.5 ns，重配置速度达9.13 MHz；而数据信号传输速度由谐振器光子寿命决定，约为3.48 GHz。

**手写数字分类研究**

研究人员将所提非线性激活函数作为自定义激活层嵌入卷积神经网络，对MNIST数据集（60,000张训练图像、10,000张测试图像，28×28像素）进行分类实验。网络结构依次为：64核卷积层→自定义激活函数→最大池化层→128核卷积层→自定义激活函数→最大池化层→256核卷积层→自定义激活函数→展平层→256神经元全连接层→10神经元输出层。训练、验证和测试准确率分别达到99.35%、98.95%和98.93%，混淆矩阵及准确率/损失随迭代变化曲线均展示了良好的收敛特性。与已有光神经网络非线性激活方案相比，该设计在保持更高准确率的同时结构更为简化。器件激活阈值功率约为110 μW，属于已报道全光非线性激活函数中的较低水平；含激光源和半导体光放大器（SOA）的系统级功耗估计为540 mW，但光子系统的高并行性可使该功耗分摊至数千次同时操作。研究人员指出，多层网络的层间接口和插入损耗问题可通过波长转换、光放大或光电接口等方式缓解，这些系统级考量超出本器件级研究的范畴。

**威斯康星乳腺癌数据集分类研究**

为进一步验证所提激活函数的普适性，研究人员采用威斯康星乳腺癌数据集（30个特征变量）进行评估。该数据集为二分类问题（良性/恶性），CNN采用相同架构但输出层改为2个神经元。训练、验证和测试准确率分别达到98.55%、97.35%和96.49%，与文献报道结果相当。准确率/损失曲线及混淆矩阵表明该激活函数在医学诊断数据上同样表现稳健。

**结论**

本研究通过GST-光子晶体纳米梁谐振器平台实现了动态可调谐的全光非线性激活函数，利用偶/奇模式对相变的差异性响应构建了低阈值、可重构的光学神经元。卷积神经网络验证表明其在标准数据集上可达到与传统电子网络竞争的性能，同时光子架构的本征并行性为高能效推理提供了路径。研究人员强调，该工作将相位调控材料与纳米光子结构相结合，为推进集成光神经网络的实际应用奠定了基础，未来可通过优化器件结构与系统级设计进一步降低功耗并提升规模。