當今世界處于一個信息爆炸的時代，如何快速高效的處理信息，成為了信息技術領域研究的首要問題。結合光子計算的發(fā)展歷史，光子將在未來信息處理領域扮演越來越重要的角色。基于馬赫-曾德光學干涉儀(Mach-Zehnder; inter-ferometer, MZI)的可編程光子集成電路在人工智能，深度學習與神經網絡等諸多需要巨大算力的領域均取得了極大的進展。

但是，隨著光子集成電路(Photonics Integrated Circuit, PIC)規(guī)模的不斷擴大，原本存在于每個原件中的微小制造誤差，不斷累積，最終會對系統(tǒng)的整體性能產生顛覆性的影響，譬如輸出功率大幅降低。

圖 1：光子芯片(藝術效果圖)

針對這一問題，來自美國麻省理工學院的 Dirk Englund 教授提出了一種在光子邏輯門內部的糾錯方式，使得在現有制造工藝容差范圍內，可將集成光子系統(tǒng)規(guī)模提升至數百個單元模塊[1]。

面臨挑戰(zhàn)

可執(zhí)行任意無源矩陣運算或濾波操作的可編程光子集成電路，也被稱為光學 FPGA，其光子線路可以在制備后靈活地被軟件所重構。這種系統(tǒng)具有速度快，耗能低等諸多優(yōu)勢，在量子通信，信號處理與人工智能等諸多領域有著廣泛的應用[2]。

圖 2：可編程光子電路示意圖

圖源：Nature / 圖譯：撰稿人 Cyan為應對更復雜的問題，光子系統(tǒng)也需提供更多算力，這意味著其規(guī)模也將進一步擴大。然而，隨著 PIC 內部模塊數量的增加，本存在于各模塊內部的微小工藝誤差，通過相互累積，將會對系統(tǒng)的整體性能產生巨大的打擊。譬如，現代生產工藝下，分光器的正常誤差容限約為 2%。但是，通過 Michael Y.-S. Fang 等人的研究發(fā)現，其設計的前饋光子電路在執(zhí)行圖像識別任務時，由于累計的模塊微小缺陷，整個系統(tǒng)的準確率會有大幅下降。

為此，也有很多全局變量優(yōu)化的辦法被提出，例如非線性優(yōu)化，梯度下降與原位后向傳輸法等。但是，這些優(yōu)化方案都是極度消耗時間且很難隨著 PIC的規(guī)模而擴展。此外，如若針對每一個芯片都做一次優(yōu)化，這明顯是極度低效的。

解決方案

Dirk Englund 團隊在可編程光子集成電路中，基于馬赫-曾德干涉儀構成了最基本的糾錯模塊，其結構如圖 3 所示。理想狀態(tài)下，θ 與 φ 分別為 MZI 的兩臂相移，以產生 50:50 的分光效果。但是由于工藝誤差，將會引入相差 α 與 β，使得分光效果不準。通過如下步驟，分光誤差將會得以矯正：

校準并檢測出所有相移器的誤差并建立查找表 (Look-UpTable)

根據計算法則，算出每個相移器在理想狀態(tài)時的相移值 θ 與 φ

根據算法，對 θ 值進行分類

依據查找表，對 MZI 施加相移校準分量 φ’，實現完美 1：1 分光

圖 3：馬赫-曾德干涉儀 結構圖圖源：Optica

與其他解決方案相比，該方案具有如下優(yōu)勢：

靈活度高，只需一次硬件校準便可計算出任意幺正變換所需的配置參數

負載小且不需要額外的干涉儀或功率探測器

應用場景 為驗證方案的有效性，特在兩種經典可編程光子集成電路結構中(前向傳輸結構與循環(huán)網格結構)，進行仿真驗證，并做出效果對比。

1. 光學神經網絡

光學神經網絡是可編程光子集成電路的重要應用場景之一，其結構如圖 4 所示，本文通過 Neurophox Package 仿真了一個雙層神經網絡來執(zhí)行 MNIST 庫中的圖像識別測試。

圖 4：光學神經網絡結構圖圖源：Optica

實驗結果證明，在模塊容差為 3% 時，小規(guī)模神經網絡 (模塊數為 36,64)的準確率可達 95%~96%。隨著系統(tǒng)規(guī)模擴大至 144 或 256 個模塊時，其準確率可以提升至 97%。但是，如果沒有硬件校準輔助，系統(tǒng)準確率會驟減至 90%;而在保障正確率的前提下，硬件校準方案可使模塊不均勻度容限達到 6%(實際工藝容限約為2%)，這將大大降低對制造工藝的苛求。由此可見，硬件校準方案可以在工藝技術沒有重大革新前，使得一個容納數百個光模塊的高精確度神經網絡成為可能。

2. 可調諧式色散補償

可編程光子集成電路的另一種典型結構便是循環(huán)網格結構。該結構可以構成有/無限響應濾波器 (FIR/IIR)，而 Dirk 等人使用 IIR 構成了一個在傳統(tǒng)通信鏈路以及量子密鑰分配等諸多場景均有應用的可調諧色散補償器，其結構如圖 5 所示。

圖 5：可調諧色散補償器圖源：Optica

實驗結果與光子神經網絡相似，由于累計誤差而造成的相位偏差可以被硬件糾錯方案所彌補，繼而使得整個補償器可以得到理想的色散分布。

未來發(fā)展 可以預見未來光子集成電路，特別是可編程光子集成電路將會在家居，銀行，醫(yī)療，駕駛等諸多應用場景發(fā)揮重要作用，如圖 6 所示。為應對這些復雜場景中的挑戰(zhàn)，大規(guī)模或超大規(guī)模光子集成電路系統(tǒng)或將不可避免。

圖 6：光子芯片的應用場景圖源：Nature / 圖譯：撰稿人 Cyan

綜上，這種全新的硬件糾錯方式與原有的優(yōu)化方案相比，僅僅使用一次校準流程，便可靈活的實現任意的矩陣變換/計算。此外，通過對可編程光子電路中的兩種典型結構(前向傳遞與循環(huán)網格結構)的仿真驗證，不難發(fā)現，該方案不僅使得對制備工藝的要求大幅降低，還極大地減少了每個模塊的訓練開銷。因此，該方案為可編程光子電路技術提供了新的擴展途徑。

原文標題：可編程光子電路的“硬件糾錯”

文章出處：【微信公眾號：中科院半導體所】歡迎添加關注!文章轉載請注明出處。

審核編輯：湯梓紅