综述：基于新兴存储技术的光学和光电子神经形态设备

以下文章来源于Artificial Synapse ，作者Synapse

研究背景

人工智能(AI)和云计算正驶入信息时代的快车道，导致数据爆炸式增长。因此，迫切需要一种快速、并行的数据处理技术，尤其是低功耗硬件。传统的计算机硬件源于冯-诺依曼体系结构，由处理器、主存储器和它们之间的互连组成，其最终处理速度受到通过互连频繁传输数据和指令的严重限制。为此，人们提出并验证了许多新型计算架构——非冯-诺依曼架构，如内存计算、神经形态计算、光子计算和量子计算。

神经形态计算模拟生物神经系统的工作原理，在过去二十年中取得了巨大进步，这得益于对生物大脑工作原理的深入了解。迄今为止，许多电子材料和设备已被成功用于模拟基本的生物神经元素：突触和神经元。与电子学相比，光子学在速度、带宽和能耗方面更具优势，在数据处理方面的应用前景广阔。

研究成果

随着人工智能的持续快速发展，主流计算硬件在处理海量数据(大数据方面面临着不可避免的挑战。传统计算机系统基于冯-诺依曼架构，处理器单元和内存分离，其计算速度和能效已接近极限。因此，人们提出了基于新兴内存技术的新型计算架构，如内存计算和神经形态计算。近年来，由于光在速度、带宽、能效等方面的先天优势，光被纳入计算设备，超越了传统光通信的数据传输。因此，光辅助和光电突触被开发用于神经形态计算。此外，在一些新兴的光子设备中，存储和读出过程都可以在光域中实现，以充分利用光子学的独特特性。在本综述中，复旦大学程增光&周鹏教授等人介绍了植根于新兴存储技术的典型光子神经形态设备以及相应的运行机制。最后，列举并讨论了这些源自不同调制手段的设备的优势和局限性。

总结与展望

神经形态计算是人工智能和物联网领域最具应用前景的非冯-诺依曼平台之一，其潜在的低功耗和并行处理功能继承了人类大脑数百万年来的架构。然而，现有的神经形态电子器件在能效和计算速度方面受到物理限制。因此，光子学被引入新兴的神经形态计算系统，作为辅助或主要的调制手段，在能耗、运行速度、高带宽等方面具有先天的优势。

对于光辅助电神经形态设备，光刺激作为第二调制手段，可以丰富神经功能，提高计算精度。为了进一步降低能耗，光电神经形态设备可能是更好的替代方案。目前已开发出许多基于光生电流的光电神经突触。在这些设备中，电信号主要用于检测光照产生的反应强度，这适合利用挥发性光电流实现简单的突触功能，如 PPF 和 STP、LTP。通过电辅助光照信息可以被储存起来，利用记忆电容器和浮动闸型晶体管，开发出一些记忆型功能，如短期记忆到长期记忆的转换 (STM-to-LTM 转换)。随后，利用光脉冲来调整载流子的含量，进而产生非易失性的线性电导变化，成功实现了边缘检测和运动识别等复杂的计算任务。然而，光敏区与顶栅共享同一层，导致平面空间占用过大，增加了制造难度。在未来的高密度制造中，背面栅极和透明栅极可能更具吸引力。

与光辅助器件和光电器件相比，全光器件由于不再需要电信号，因此运行时间和能耗/功耗大大减少。片上波导与 CMOS 兼容面制造技术的快速发展，为实现全光学神经形态计算提供了一种新方法。这非常有利于开发多层光子器件，从而提高计算和存储密度。尽管如此，密度仍然受到很大限制。与 10 nm以下的电子芯片制造节点相比，PIC 由数百纳米(硅基)到微米大小(氮化硅)的波导组成，比电子器件大得多。然而，光子学的性能提升并不受制于电子学的主要因素——微型化，而是通过波长、模式、偏振和其他维度的复用来实现。虽然计算速度不受光信号传输的限制，但材料优化是开发速度更快、能效更高的全光器件的关键因素。在尖峰神经网络中，人工神经元需要易失性器件来实现积分-发射功能。GST 的易失性已经实现，但有很大的局限性。因此，易失性非线性光子器件是当之无愧的重要补充。除上述光子神经形态器件外，还开发了许多新型光子器件，如机械光子调制突触、热光学调制马赫-泽恩德干涉、自由空间衍射网络实现等。

本综述中提到的大多数光学和光电神经形态器件都可以用 CMOS 工艺轻松制造，具有良好的可扩展性，为便携式和大规模神经形态应用铺平了道路。然而，仍有许多问题有待克服。例如，以往的工作通常将突触和神经元分开研究，许多生物神经功能尚未实现。要满足模拟生物突触和神经元的各种需求，就必须进一步优化材料和结构。更重要的是，要集成不同的器件，制造大规模的光子神经元网络，并在电子器件难以实现的领域找到杀手级应用，如在光模块中进行数据处理以实现快速数据传输、高能效云计算和自主在线训练等。

文献链接

Optical and optoelectronic neuromorphic devices based on emerging memory technologies

https://doi.org/10.1088/1361-6528/ac723f

转自：“i学术i科研”微信公众号

如有侵权，请联系本站删除！