清華大學在感前光學計算方向獲得進展

在物聯(lián)網時代，視覺圖像傳感器作為智能社會的關鍵設備，被嵌入到諸如移動通信終端、智能穿戴設備、汽車和工業(yè)機器等各種設備中。隨著應用的不斷擴展，對傳感器的系統(tǒng)功耗、響應速度、安全性能等方面也提出了更高的要求。而在傳統(tǒng)的“感傳算”鏈路中，內存的訪問速度和通信帶寬逐漸成為了限制系統(tǒng)功耗及速度的主要瓶頸。將計算單元向傳感單元靠近，使系統(tǒng)的近傳感端擁有一定的數(shù)據處理能力，逐漸成為解決這一問題的有力途徑。感前光計算相比于其他近感計算方式，具有高速、高帶寬、低功耗的優(yōu)勢。然而，目前絕大部分光神經網絡需要相干激光作為光源，硬件系統(tǒng)笨重復雜，且僅能完成線性運算，缺乏層間非線性激活，限制了感前光計算在邊緣場景的應用。

圖1.機器視覺鏈路中近傳感器計算范式

清華大學電子工程系陳宏偉教授團隊提出了一種緊湊的無源多層光學神經網絡（MONN）架構，該架構由無源掩模版與量子點薄膜組成，完成非相干光照明下具有層間非線性激活的多層光學計算。該架構的光學長度短至5毫米，相比現(xiàn)有的基于透鏡的光學神經網絡小2個數(shù)量級。實驗證明，該多層運算架構在各種視覺任務的性能上優(yōu)于線性單層運算，最高可將95%的計算從電域轉移到光域進行。該架構具有小體積、低功耗、高實用性的優(yōu)勢，未來有望部署在自動駕駛、智能制造、虛擬現(xiàn)實等移動視覺場景。

圖2.多層感前光學神經網絡架構及層間非線性激活函數(shù)測量

同時，CdSe量子點的吸收和發(fā)射光譜在波長范圍內呈現(xiàn)重疊。通過設計可將前后量子點的吸收和激發(fā)光譜對齊，實現(xiàn)級聯(lián)及現(xiàn)有三層架構向更多層數(shù)的擴展。感前MONN架構也可與其他近感計算范式結合，完成復雜計算功能。

近日，相關研究成果以“基于緊湊多層光學神經網絡的感前計算”（Pre-sensor Computing with Compact Multi-layer Optical Neural Network）為題，發(fā)表于《科學進展》（Science Advances）。清華大學電子工程系為論文的第一單位，陳宏偉為論文的通訊作者，電子系2020級博士生黃錚為論文的第一作者。研究得到國家自然科學基金委及北京市科委的支持。

論文鏈接：https://www.science.org/doi/10.1126/sciadv.ado8516