Photonic Neural Network

Use when working with photonic neural networks — optical computing, MZI, silicon photonics

liaosw97 Updated

File contents

核心原则

  • 光速计算优势:充分利用光子并行处理和超低延迟特性
  • 能效优先:追求亚皮焦耳级别的计算能耗,超越电子计算能效极限
  • 光电协同设计:合理划分光域计算与电域控制的功能边界
  • 制造可行性:设计方案需考虑现有硅光工艺的制造约束
  • 系统集成:实现光学计算单元与电子系统的无缝集成

技术栈

  • 硅光子学(Silicon Photonics):基于CMOS兼容工艺的光子集成电路技术
  • 马赫-曾德尔干涉仪(MZI):可编程光学矩阵运算的核心器件
  • 微环谐振器(Micro-ring Resonator):高密度波分复用和滤波器件
  • 相变材料(PCM):非易失性光学存储和可重构光路
  • 波导网络(Waveguide Network):光信号传输和互联的基础结构
  • 光电探测器(Photodetector):光信号到电信号转换的关键器件
  • 激光器阵列(Laser Array):多波长光源,支持波分复用计算

最佳实践

  1. 光学矩阵运算设计:使用MZI网格实现任意酉矩阵运算;利用相移器实现可编程权重调节;采用格雷格架构减少器件数量和控制复杂度

  2. 非线性激活实现:利用光与物质相互作用实现光学非线性;采用可饱和吸收体、光子晶体结构实现光学激活函数;结合电域非线性模块实现复杂激活函数

  3. 训练与优化:使用伴随变量法计算光学系统的梯度;采用物理约束感知训练将器件非理想特性纳入模型;实施器件误差校准和补偿算法

  4. 系统集成与封装:设计高效的光纤-芯片耦合方案;优化热管理确保器件稳定性;实现激光器、调制器、探测器与计算单元的单片集成

  5. 应用场景适配:针对卷积运算优化光学架构,适合图像处理任务;利用波长并行性加速矩阵-向量乘法,适合神经网络推理;设计专用加速器优化特定工作负载

关键约定

  1. 光学计算单元尺寸应考虑工艺限制,典型MZI长度为毫米量级
  2. 相移器功耗需控制在毫瓦级别,确保整体能效优势
  3. 光学信噪比应高于 20dB,保证计算精度
  4. 器件工作温度稳定性要求 ±0.1°C,减少热串扰影响
  5. 光电接口带宽需匹配计算速率,避免成为系统瓶颈

liaosw97/awesome-rules-skills/tree/main/plugins/ai-research/skills/photonic-neural-network commit f1543a4540

Frequently asked questions

npx skillmds@latest add liaosw97/photonic-neural-network