PhotoniX 论文集锦：AI与光计算专题

NO.1 

Deep learning-enabled compact optical trigonometric operator with metasurface

基于超构表面实现超高速三角函数运算

作者

赵子涵，王岳，管春生，张狂，吴群，李浩宇*，刘俭，Shah Nawaz Burokur*，丁旭旻*

单位

哈尔滨工业大学，Univ Paris Nanterre

文件检索

PhotoniX3, 15 (2022). https://doi.org/10.1186/s43074-022-00062-4

概述

随着信息和通信技术的更新迭代，海量的数据包括语音、图像等多媒体信号需要被实时处理和传输，同时伴随着大量的函数运算操作，传统的电子计算系统在运行速度和功耗等方面已经遇到瓶颈。基于光子的计算方案为突破传统计算系统在处理速度和并行计算能力上的限制提供了一条可行的途径。哈尔滨工业大学仪器科学与工程学院和法国Univ Paris Nanterre合作团队提出了可超高速执行四种基本三角函数运算（正弦、余弦、正切、余切）的紧凑型光学三角函数运算器，突破了传统电子计算系统执行函数运算时在处理速度和设备功耗等方面的限制，以“深度学习驱动的基于超表面的紧凑型三角函数运算器”（Deep learning-enabled compact optical trigonometric operator with metasurface）为题，于2022年7月12日发表在 PhotoniX 上。

NO.2

Intelligent designs in nanophotonics: from optimization towards inverse creation

人工智能赋能的纳米光学设计：从被动优化到逆向创造

作者

王宁，严巍，曲俞睿，马思骐，李子青*，仇旻*

单位

西湖大学

文件检索

PhotoniX2, 22 (2021). https://doi.org/10.1186/s43074-021-00044-y

概述

近年来，使用人工智能算法设计超构表面成为一个蓬勃发展且极其活跃的科学议题。该议题涉及到诸如纳米光子学、智能算法等领域，深度融合了多种前沿学科。为了梳理该交叉领域发展现状，并为初学者提供入门基础，西湖大学仇旻教授课题组联合李子青教授课题组在 PhotoniX 期刊发表题为“Intelligent designs in nanophotonics: from optimization towards inverse creation”的综述文章。文章首先以光学超原子（Meta-atom）的光谱调控为例，简要介绍两大类算法框架（即传统优化方法和深度学习）的工作原理。然后，按照从简入繁的顺序，系统性总结了算法辅助设计在超表面透镜（Meta-lense）、超表面光栅（Meta-grating）、微纳分光镜（Beam splitter），片上耦合器（On-chip coupler）、光学干涉单元（Optical interference unit）、光学衍射神经网络（Optical diffractive neural network）等诸多光学微纳器件中的应用与进展。最后，综述进一步讨论了包括算法应用场景、纳米结构数据采集困境和算法基准测试等问题，并期冀AI辅助设计的光学系统能够在未来光计算中大放异彩。此外，文章特别总结了用于光学纳米结构设计的开源代码包，供广大师生参考、使用。

NO.3

The challenges of modern computing and new opportunities for optics

华为CRI光计算团队：现代计算与光学的跨界机遇

作者

李冲，张翔，李静伟，方涛，董晓文*

单位

华为中央研究院

文件检索

PhotoniX2, 23 (2021). https://doi.org/10.1186/s43074-021-00045-x

概述

近年来模拟光计算领域逐渐受到关注，由于光计算属于光电技术与电计算的交叉领域，了解现代计算领域的当前概况，从光电混合的系统性视角重新审视回顾具有必要性。2021年9月9日，华为中央研究院董晓文博士光计算团队在 PhotoniX 期刊最新发表题为“The challenges of modern computing and new opportunities for optics”论文。文章从传统计算的著名摩尔定律发展切入，概述当下后摩尔时代遇到的困境，引出当前光计算研究的立意点，然后从矢量/矩阵操作、光学蓄水池计算、光伊辛机三个方向回顾了当前光计算的最新进展。最后一章作为本文一大亮点，首次深入系统地分析光计算的算力、能耗以及精度的影响因素，算力方面指出光子独有的加速因子，能耗方面以单位算力下耗能作为重点，进一步指出关键制约因素与解决方案，精度分析部分明确区分数据信息与物理模拟量，细致分析误差来源及其影响，旨在为读者提供一种分析工具与框架，从光电系统视角分析系统收益，为光计算架构的设计更具实用性提供参考。最后也总结了光计算面临的挑战并提供未来发展的建议。

NO.4

Research progress in optical neural networks: theory, applications and developments

光学神经网络研究进展：理论，应用与发展

作者

刘佳，吴秋昊，隋修宝*，陈钱，顾国华，王利平，李升才

单位

南京理工大学

文件检索

PhotoniX2, 5 (2021). https://doi.org/10.1186/s43074-021-00026-0

概述

人工智能是当今计算机科学最为活跃的领域之一，在机器视觉、自动驾驶、目标跟踪及自然语言处理等领域有着重要应用。然而，传统的人工神经网络模型采用冯诺依曼型的计算原理，以集成电路芯片作为载体完成计算任务，同时受制于电信号互相干扰、能耗和物理极限等问题。近年来，光子技术发展迅猛，相较于电子，光子速度快、信息携带能力强，并具有高度并行性和强抗干扰性，在信息传输、光计算等方面具有极大的优势。因此相比在传统电子计算机上用软件实现的方式，神经网络模型与光子技术的结合，将更有利于大带宽、高传输信息量、超高速和超低功耗的信息处理，突破技术瓶颈。南京理工大学隋修宝教授团队于2021年4月19日在 PhotoniX 期刊在线最新发表论文“Research progress in optical neural networks: theory, applications and developments”。本综述论文主要聚焦于神经网络在光学领域的实现，包括线性操作、非线性激活的理论和光学实现途径、以及特色训练方式，并指出光学神经网络发展中面临的挑战和未来可能的发展趋势。