Credit: Huang et al .我们目前正在目睹网络流量的爆炸式增长。众多新兴服务和应用，如云服务、视频流平台和物联网(IOT)，正在进一步增加对高容量通信的需求。光通信系统是使用光纤以光学方式传输信息的技术，是当今固定线路、无线基础设施和数据中心通信网络的主干。在过去的十年里，互联网的发展得益于一种被称为数字信号处理(DSP)的技术，这种技术有助于减少传输失真。然而，数字信号处理器目前是使用互补金属氧化物半导体集成电路实现的，因此它严重依赖摩尔定律，摩尔定律在功耗、密度和可行的工程解决方案方面已经接近其极限。
因此，由光纤非线性现象引起的失真无法由数字信号处理器补偿，因为这将需要太多的计算能力和资源。光纤非线性仍然是长距离传输系统的主要限制因素。
普林斯顿光波实验室和美国国家电气公司实验室的研究人员最近创造了一种新的神经网络硬件，可以帮助克服这一限制，补偿光纤非线性的不利影响。发表在《自然电子》杂志上的一篇论文中介绍了这种神经网络，它运行在一个由几个神经元组成的硅基光子电子系统上，原则上，该系统在吞吐量、延迟和能量使用方面都优于商用数字信号处理器芯片。"
“普林斯顿大学关于‘神经形态光子学’的研究始于我们的导师保罗·普鲁克纳教授和神经科学家大卫·罗森布鲁斯的发现，”进行这项研究的研究人员之一·黄告诉Tech Xplore。“这两位研究人员发现，光子器件和生物神经元由相同的微分方程控制，然而‘光子神经元’的时间尺度大约为皮秒到纳秒，而生物神经元的时间尺度大约为一毫秒。”
普鲁克纳教授和罗森布鲁斯教授之前的工作激励团队开始开发高性能、基于光子学的神经形态硬件。理想情况下，这种硬件能够以纳秒级的速度执行人工神经网络，因此比传统的电子系统要快得多。
随后，团队中的一些研究人员基于广播和加权协议创建了一种新的基于光网络的架构。这种有前途的架构使他们能够构建大规模的光网络，由光子神经元和可调微环谐振器组成，实现所谓的突触权重。在这种架构中，光子神经元和微环谐振器通过硅芯片上的光波导连接。
“这些进步使我们的光子神经网络具有执行现实应用的可扩展性，”黄解释道。“从那以后，我们一直在寻找光子学性能优于电子学的AI应用。为了解决后摩尔定律时代DSP容量的紧迫限制，我们和NEC实验室美国光联网王+ Sensing部门的合作者创造了一种能够处理高速光通信信号的光子处理器。”
DSP是可以在众多智能设备中找到的硬件组件。在过去的几十年里，数字信号处理器推动了许多连接到互联网的系统的发展。然而，在互补金属氧化物半导体电路上扩大数字信号处理器的实现强烈依赖于摩尔定律。这是一个至关重要的限制，因为传统半导体在功耗和密度方面已经达到极限。
“在后摩尔定律时代，数字信号处理器的容量可能越来越难以维持互联网流量的持续指数级增长，”黄说。“我们使用在硅光子学支持的集成光子芯片上以硬件实现的神经网络来解决这个问题，该芯片可以实时处理光信号，即预测和补偿1万多公里跨太平洋海底传输链路中的光纤非线性。”
黄和她的同事开发的光子神经网络基于高质量的波导和光子器件，例如最初设计用于光通信的光电探测器和调制器。这最终允许网络支持光纤通信速率，这可以使用新开发的光网络实现实时处理。研究人员创建的硅神经网络也是完全可编程的，并且基于所谓的广播和加权协议，这是在他们以前的一篇论文中介绍的。
“该协议使用波分复用(WDM)的概念来实现光子神经元之间的可扩展互连，”黄解释说。“这种架构中的神经元产生不同波长的光信号。这些光子神经元被多路复用成一个单一的波导，并向所有其他人广播。使用多组可调波长滤波器对在多个波长上编码的信号应用权重。”
Credit: Huang等人研究人员提出的协议通过沿滤波器的传输边缘调谐滤波器来改变信号通过滤波器的传输，实质上是将信号乘以所需的权重。得到的“加权”信号随后被发送到光电探测器，该探测器可以并行接收多个波长的信号，并将它们相加。
在这个初始过程中产生的光电流驱动光调制器，该光调制器将光电流转换成光功率。这意味着在该团队的光子网络中，光学调制器承担非线性激活功能，充当人工神经元。
“通常，神经网络的互连性是大部分计算量的来源，”黄说。“这个问题可以通过我们的光子-电子神经网络以两种方式解决。首先，权重相加操作可以并行执行，不需要任何逻辑操作。因此，与电子神经形态电路相比，它们在能量耗散、延迟、串扰和带宽方面呈现出明显的有利趋势。”
除了并行执行加权加法运算之外，黄和她的同事创建的网络还具有改进的互连性，因为它可以同时传输许多信号。这是通过一种称为波长复用的过程实现的。
“通过将每个节点与一种颜色的光相关联，一个网络可以支持N个额外的神经元连接，而无需添加任何物理导线，”黄解释说。“相比之下，在电子神经形态电路中，多一个神经元会增加N个连接——如果N很大，这是一种令人望而却步的情况。”
其独特的品质使得硅光子电子神经网络非常适合于在单个芯片上创建包含数百个人工神经元的大型系统，只需使用几个互连波导。这可能会对各种通信和处理设备的创建产生显著的影响。
“虽然在光子神经网络方面有一些令人印象深刻的工作(见《自然》杂志最近的论文，这些系统解决了像识别数字这样的玩具问题)，”黄说。“我们的工作或许首次展示了光子神经网络在一项非平凡任务中的实际应用，这项任务具有深远的影响。在我们最近的论文中，我们展示了在硅光子学支持的集成光子芯片上以硬件实现的神经网络如何实时处理光信号。”
在他们的论文中，该团队评估了他们开发的新网络的潜力，以减少光纤非线性对跨10，080公里的tran s-pacific光纤传输系统性能的不利影响。在他们的测试中，他们发现它可以补偿光纤非线性，并提高系统产生的信号的品质因数。
黄和她的同事开发的网络的一个特点是，它利用了高质量的波导和光子器件。这显著提高了其性能，使其成为解决与摩尔定律减慢相关的光网络容量限制的有前途的解决方案。
未来，由这个研究团队创建的新神经网络将有助于提高光通信工具的性能。到目前为止，黄和她的同事只使用他们的网络来解决单波长信道中的信号失真。然而，他们相信它也可以应用于多个WDM光纤系统。
“我们现在计划使用这种独特的架构来并行处理多个WDM信道和光域，”黄说。“这将导致太赫兹带宽增加，大大超出数字信号处理器的能力。这一独特特性有助于WDM通信系统中的通道间非线性补偿，这是数字信号处理器难以解决的问题，同时通过消除耗电的模数转换器(在某些传输系统中，模数转换器可能消耗超过40%的能量)来提供低功耗操作。”
由于光子神经网络具有低延迟、低功耗等优点，最终将有广泛的应用价值。例如，它们可以用来提高机器学习、非线性编程和信号处理工具的性能。在接下来的研究中，黄和她的同事计划评估他们的光子电子神经网络在这些额外应用中的性能。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
