IEEE SiPhotonics2025 | 基于耦合可变微环谐振器的自适应权重系统在高密度神经网络中的应用

逍遥设计自动化 · 发表于 2025-5-6 08:00:00

引言
人工智能的快速发展对处理系统提出了越来越高的效率要求。传统电子处理器在处理复杂AI任务时面临速度、可扩展性和能效方面的显著限制。神经光子学通过利用光子器件固有的优势—高带宽、并行性和能效，成为一种有潜力的解决方案。本文探讨一种基于耦合可变微环谐振器的创新自适应权重系统，该系统显著增强了光子深度神经网络在高密度应用中的能力[1]。

lxt1z2ntixy64046569652.png

1
理解光子深度神经网络
光子深度神经网络(PDNNs)是神经网络实现的一种革新方法，充分利用了光的独特特性。在传统神经网络中，权重操作对于通过网络层处理数据至关重要。PDNNs使用光学组件，特别是微环谐振器(MRRs)结合波分复用(WDM)技术执行这些操作。

在传统的基于MRR的权重系统中，不同波长的光信号在通过谐振器结构时被调制。这些谐振器调整通过端口和分离端口之间的光功率比，有效地为神经网络处理分配不同波长的权重。

q3sdemzys1p64046569752.png

图1：(a)神经网络权重处理过程和(b)使用波分复用(WDM)在光子系统中的实现示意图。

虽然这种方法比电子系统具有显著优势，但传统MRR设计在通道密度方面存在局限性。随着AI模型变得更加复杂，更高的通道密度对于有效处理变得必不可少。然而，由于自由光谱范围(FSR)内干扰增加，传统的基于MRR的系统在更高密度下性能下降，导致权重范围和分辨率降低。

2
自适应权重系统架构
提出的自适应权重系统集成了光子和电子组件，以克服这些限制。系统架构主要由两部分组成：光电子集成芯片(PIC)和电子集成电路(EIC)，它们共同工作，在不同的通道密度下实现更佳的权重调制和改进的分辨率。

ufkpoqtinyw64046569852.png

图2：自适应权重系统中光子和电子组件集成的框图，包括带有金属加热器和平衡光探测器的PIC连接到EIC的信号处理线路。

PIC管理光学权重过程，而EIC处理光电转换后的电输出信号。这种集成允许根据通道密度需求进行自动校准和精细度调整。PIC采用AMF技术制造，而EIC采用三星电子28nm CMOS技术。

3
光电子集成芯片设计
PIC的核心是耦合可变微环谐振器(CVMRR)，这是对传统MRR的一种先进改进。CVMRR由两个基于MZI的可调谐耦合器和一个环形波导组成，每个组件都由金属加热器精确控制。

t2rsrtmo0ym64046569952.png

图3：(a)芯片照片显示平衡光探测器、耦合可变MRR和I/O组件，以及(b)展示耦合可变微环谐振器谐振特性的传输曲线。

金属加热器提供两个关键功能：它们在保持固定谐振波长的同时实现权重调制，并允许精确控制总线波导和环形波导之间的耦合比。这种双重控制能力提供了两个显著优势。首先，它允许调整入射光功率在通过端口和分离端口之间的分配，执行权重功能。其次，它可以调整Q因子以修改精细度，在不需要重新设计的情况下优化系统以适应不同的通道密度。

4
电子集成电路实现
EIC作为一个可调谐读出线路，具有带可调直流偏移消除(DCOC)环路的跨阻放大器(TIA)。为了适应平衡光探测器(BPD)输出电流的双向特性，DCOC环路中的下拉MOSFET采用逆变器配置。这种设计允许下拉MOSFET调整其增益以适应不同的通道密度和插入损耗。
此外，EIC还包含一个具有平方根特性的分段非线性DAC，实现了对加热器功率的线性控制。这一特性对于在不同操作条件下保持对权重过程的精确控制尤为重要。

5
自动校准过程
系统的一个关键创新是自动权重-电压映射校准过程。该过程确保在恒定输入功率条件下的最佳性能，并使系统能够适应不同的通道密度。

tpb4kqx5zrx64046570052.png

图4：自动校准过程显示(a)谐振对齐，(b)精细度优化，(c)权重映射，以及(d)校准期间TIA输出电压的变化，不同颜色代表每个校准阶段。

校准序列首先使用环形波导加热器将谐振波长与目标波长对齐。接着，调整分离端口和通过端口的MZI耦合器加热器以优化精细度。最后，将权重映射到电压，整个过程通过EIC的输出电压进行监控。

这种校准方法可以应用于各种通道密度，生成相应的权重-电压映射，通过调整精细度和防止通道干扰，使系统能够适应不同的配置。

6
性能评估和结果
系统性能通过传输谱测量和硬件感知模拟进行评估。结果表明系统通过调整精细度设置能够适应不同的通道密度。

hkaxrgqknpw64046570152.png

图5：不同精细度设置下的权重应用传输谱：(a)0.066，(b)0.015和(c)0.006，展示系统如何通过调整谐振特性适应不同的通道密度。

为了量化性能改进，计算了归一化权重范围和分辨率乘积作为性能指标(FOM)。与传统MRR在各种通道密度下的比较显示，所提出的系统性能优越，特别是在更高的通道密度下。

3sybl12hz2m64046570252.png

图6：所提出的自适应权重系统与传统MRR方法的性能比较，显示在通道数量增加的情况下，特别是在更高密度时具有优越的性能指标。

通过带有不同通道数量(1到10)的硬件感知MNIST训练模拟进行了进一步验证。使用Adam优化器进行五个训练周期后，结果显示与传统MRR相比，所提出的系统在所有通道密度下都保持了更高的准确率。

brhmdx0ix3a64046570353.png

图7：硬件感知MNIST训练模拟的分类准确率结果，比较了所提出的系统(红色)与传统MRR方法(黑色)在不同通道数量下的表现，展示了在更高密度下性能保持的优势。

7
结论
基于耦合可变微环谐振器的自适应权重系统代表了光子深度神经网络的一项重要进展。通过保持固定的谐振波长同时调制总线和环形波导之间的耦合比，该系统与传统方法相比，实现了更佳的权重范围、分辨率和可扩展性。

光子和电子组件的集成，结合自动校准功能，使系统能够适应各种通道密度，而无需重新设计或单独校准。这种适应性对于处理需要动态通道密度调整的日益复杂的AI任务非常关键。

实验结果和硬件感知模拟证实了系统的有效性，特别是在不同通道密度下保持准确率方面。这种创新方法为高密度神经网络应用提供了坚实的解决方案，有助于克服传统电子处理器在处理复杂AI任务方面的局限性。

参考文献
[1] Y. Ji, J.-H. Lee, K. Kim, D.-W. Rho, S.-J. Yang, and W.-Y. Choi, "An Adaptive Weighting System Based on Coupling-Variable Micro-Ring Resonator for High-Density Neural Network Applications," in 2025 IEEE Silicon Photonics Conference (SiPhotonics), 2025, pp. MB4.
END
软件试用申请欢迎光电子芯片研发人员申请试用PIC Studio,其中包含：代码绘版软件PhotoCAD，DRC软件pVerify，片上链路仿真软件pSim，光纤系统仿真软件pSim+等。更多新功能和新软件将于近期发布，敬请期待！
点击左下角"阅读原文"马上申请

欢迎转载

转载请注明出处，请勿修改内容和删除作者信息！

+ }0 o( m4 y4 g; {4 E

1on3z21d0kn64046570453.gif

关注我们

vays2530up164046570553.png

io5sd2ieuc264046570653.png

caoordmc3pg64046570753.png

3 E8 R) R- p. X0 H' N$ A0 p

关于我们：
深圳逍遥科技有限公司（Latitude Design Automation Inc.）是一家专注于半导体芯片设计自动化（EDA）的高科技软件公司。我们自主开发特色工艺芯片设计和仿真软件，提供成熟的设计解决方案如PIC Studio、MEMS Studio和Meta Studio，分别针对光电芯片、微机电系统、超透镜的设计与仿真。我们提供特色工艺的半导体芯片集成电路版图、IP和PDK工程服务，广泛服务于光通讯、光计算、光量子通信和微纳光子器件领域的头部客户。逍遥科技与国内外晶圆代工厂及硅光/MEMS中试线合作，推动特色工艺半导体产业链发展，致力于为客户提供前沿技术与服务。

http://www.latitudeda.com/
（点击上方名片关注我们，发现更多精彩内容）