信息学院王成课题组开发出深度储备池光计算机

近日，上海科技大学信息科学与技术学院王成课题组成功开发出基于级联光注入锁定半导体激光芯片的深度储备池光计算机。该成果以“Deep photonic reservoir computing recurrent network”为题在国际知名期刊Optica上发表。

目前，人工智能的发展主要依赖于基于深度学习的神经网络架构。以ChatGPT为代表的大规模神经网络对基于冯诺依曼架构的计算机算力提出了巨大挑战。相较于数字计算芯片，模拟计算芯片具有高能效比、低时延等优势。在这一背景下，开发硬件模拟储备池计算机成为微电子和光电子领域的研究热点。然而，目前大部分硬件储备池计算机仅具有单层深度，尚无法处理现实世界中的复杂任务。因此迫切需要开发可拓展的深度储备池计算机。

图一深度储备池光计算机架构

王成课题组基于级联光注入半导体激光芯片实现了首例全光深度储备池计算机。该储备池光计算机具有四层深度，每层由一个半导体激光芯片和光学反馈环构成（图一）。层与层之间通过光注入锁定技术以全光形式进行连接，不需要任何光电转换和数模转换的过程，具有低能耗和低延时的优势。另外，由于每个隐藏层均有激光芯片提供能量，因此该深度架构具有很好的可拓展性。研究人员将该深度储备池光计算机应用于解决现实中光纤通信领域中的非线性信道均衡难题。研究结果表明，深度储备池光计算机表现出很强的光纤非线性补偿能力，能够大大提高光纤信道的通信容量（图二）。

图二深度储备池光计算机在非线性信道均衡器的应用

上海科技大学为该研究成果的第一完成单位。2022级硕士生申祎玮（何旭明教授联培生）为论文的第一作者，2022级博士生李睿潜（虞晶怡教授联培生）和2021级硕士生刘冠廷位列第二和第三作者，王成教授为通讯作者。该研究工作得到了上海交通大学义理林教授的大力支持。

原文链接：https://opg.optica.org/optica/fulltext.cfm?uri=optica-10-12-1745&id=544680