近日，浙江大学信电学院林宏焘研究员和北京大学胡小永教授（共同通讯）合作在《Nature Communications》上发表题为 “Graphene/silicon heterojunction for reconfigurable phase-relevant activation function in coherent optical neural networks”的研究工作。

研究背景：

      人工神经网络起源于20世纪50年代的监督式机器学习模型。当时的研究者受到人脑神经元工作机制的启发，提出了感知器（perceptron）的想法，并基于此构建出人工神经网络模型。经过漫长的发展，如今的人工神经网络已经可以辅助人们完成诸如人脸识别、视频合成、文本情感分析、自动驾驶、疾病识别、基因测序、量化金融交易等多种复杂任务。然而，随着信息数据流量的爆发式增长，基于电子计算机的神经网络在硬件上也遇到了能耗以及数据处理速度的瓶颈。

  近十年来，使用光电子器件组成的光子神经网络（optical neural network, ONN）引起了广泛关注。光电子器件使用光子作为信息载体，具有更大的带宽、更高的信息容量和更低的功耗等优势，显示出打破电子计算机神经网络技术瓶颈的潜力。随着硅光子学的发展，集成光子神经网络已在人工智能应用中取得了令人振奋的成果，包括符号识别、元音分析、图像分类等，其标志着信息和通信技术的一个新时代的来临。在ONN中，非线性激活函数（activation function）是一个至关重要的组件，它极大影响着网络的性能，而片上的光子激活函数器件正处于起步研究的阶段，近年来发展出全光激活函数，电光激活函数等器件形式。如今，光子激活函数器件需要实现更小的功率阈值、更低的功耗、更短的时延、更小的尺寸和更高的可重构性。

研究亮点：

      二维材料辅助的硅光子器件可以为光子激活函数器件提供新的机会并已展现出引人注目的潜力。特别地，石墨烯与硅基光子结构的异质集成能够增强器件性能、赋予更多功能和拓宽工作波段。本研究首次展示了石墨烯/硅（Gra/Si）异质结实现片上可重构光子激活函数的功能。该器件工作在2 μm波段，为微环谐振器器件，具有调制探测一体的特点，因此具有较短的时延、较低的能量消耗、更高的重构能力以及更小的器件尺寸。器件的调制电压（功率）可以低至1V（0.5mW），响应度超过200mA/W。使用动态监测调节光电流的方案，可以实现特殊的带有相位信息的复数非线性激活函数，本研究构建了复数型ONN，挑战了手写字母和彩色图像识别任务，并展现了相对于传统计算机激活函数更高的准确性和高效的收敛过程。本研究结果为片上ONN器件提供了新的思路，并为高性能集成光电计算网络发展路径。

图1. 器件结构示意图、SEM照片、基本性能表征以及工作机制图示

图2. 可重构激活函数的实现机理以及函数曲线示例

图3. 基于复数神经网络以及复数光子激活函数训练结果 

总结：

      研究团队演示了基于石墨烯/硅异质结的非线性激活函数器件，并展示其在手写数字识别，彩色图像识别方面的信息分类能力。该器件方案未来有望用于智能光网络和光信息处理等领域。 

      浙江大学博士后钟础宇（现就职于深圳技术大学）以及北京大学博士生廖琨为共同一作。通讯作者为浙江大学信电学院林宏焘研究员，北京大学胡小永教授。该工作的合作者还包括浙江大学杨建义教授、李钧颖副研究员（现就职于国科大杭州高等研究院）、博士生魏茂良、马辉；西湖大学李兰研究员、孙春雷助理研究员、博士生吴江宏（现为香港理工大学博士后）、叶羽婷、罗邺、陈泽群、蒹佳玲；北京大学刘开辉教授、博士后张志斌、博士生戴天祥；中国科学院微电子研究所工程师唐波、张鹏、刘若男。本工作受到国家自然科学基金委、国家重点研发计划以及中央高校基本科研专项的资金支持。

论文链接：

https://www.nature.com/articles/s41566-023-01309-7

Nature Communication, Editor’s highlights:

https://www.nature.com/collections/bjiiabbacg