光电混合计算芯片及系统

人工智能浪潮和大模型的涌现使得当前算力供不应求，算力缺口持续扩大，而随着晶体管尺寸接近物理极限，近十年内摩尔定律已放缓甚至面临失效。利用光子代替电子作为新的计算载体逐渐被视为实现下一代高性能人工智能算力发展的关键技术方案之一。片上光学计算架构具有高并行、高速率、低功耗等特点，能够有效缓解目前主流微电子处理器在带宽、时延和工艺制程等方面的瓶颈。本课题组提出基于衍射的片上光计算架构，能够在极紧凑的面积下实现多种算子的并行计算加速，具有物理结构紧凑、无源低功耗、计算规模大的显著优势。

光子智能感知

感知是一种高级的信息获取形式，通常需要从完备数据集中通过某种参数的提取来实现。以机器视觉任务为例，需要感知的信息，比如运动、轨迹、识别等，都需要先进行图像获取，再对图像进行抽象化和特征化，最后根据视觉任务的需要，提取相应的感知信息。本课题组针对机器视觉链路对信息感知过程中的功耗、效率等瓶颈问题，提出利用光子智能的方式进行视觉感知，在光学信号传输的过程中进行光域信号处理，在传感器探测前完成特征信息提取功能。该方法将大部分图像或视频的特征处理功能在光学域完成，具有超高速、低功耗、低计算量的优点，并针对不同的视觉任务具有空间、时间或时空联合特征的感知功能，为高效的感算一体智能感知系统提供了解决方案。该研究方向与华为、商汤等高科技公司进行紧密合作，具有很强的实用性。基于此研究方向孵化创业公司北京清智元视科技有限公司，该公司旨在通过“Al+光学”的双引擎引领下一代视觉模组的研发与制造，直面最终商业场景需求，逆向设计与优化视觉模组基本形态，提供多应用场景、高效能的视觉产品。清智元视具有成像全链路的设计、生产、装配能力，涵盖光学镜头、机械结构、电子电路、图像算法与软件。截止至今，清智元视已成功完成多家客户的影像产品交付与验收，技术指标处于业界领先地位。

集成硅基光子器件及系统

硅基光子集成是通往大规模片上光子集成的重要途径，本课题组在无源硅基集成器件与系统方面进行了深入研究，近期重点突破在于实现了目前世界上最长的片上集成大色散波导光栅。色散效应在很多领域有重要应用，比如长距离微波光子链路中的色散衰减效应可以用色散补偿器件来消除，在真时延相控阵天线阵列中，利用大色散器件可以获得灵活的真时延阵列，提升性能。在特殊应用方面，SWAP（尺寸、重量、功率）的限制很大，发展集成的大色散光学波导器件，为很多微波光子器件和系统降低SWAP提供了有效途径，是关键的集成光子器件。利用硅基集成大色散波导器件可以代替光纤色散，将长度降低4个数量级以上，通过采用超低损耗波导结构和侧壁法向量调制结构，实现了片上集成大色散波导光栅，色散值超过250ps/nm,最大群延时达到2440ps，带宽大于9.4nm，有望在微波光子学、光纤通信、光子智能等领域取得突破性应用。

Fu T, Zang Y, Huang Y, et al. Photonic machine learning with on-chip diffractive optics[J]. Nature Communications, 2023, 14(1): 70.

Huang Z, Shi W, Wu S, et al. Pre-sensor computing with compact multilayer optical neural network[J]. Science Advances, 2024, 10(30): eado8516.

Huang Z, Chen H. An optical imager that can compute[J]. Nature Nanotechnology, 2024, 19(4): 422-423.

Liu W, Huang Y, Sun R, et al. Ultra-compact multi-task processor based on in-memory optical computing[J]. Light: Science & Applications, 2025, 14(1): 134. (Back Cover)

Fu T, Zhang J, Sun R, et al. Optical neural networks: progress and challenges[J]. Light: Science & Applications, 2024, 13(1): 263.

Shi W, Huang Z, Huang H, et al. LOEN: Lensless opto-electronic neural network empowered machine vision[J]. Light: Science & Applications, 2022, 11(1): 121.

Huang Y, Liu W, Sun R, et al. Diffraction‐Driven Parallel Convolution Processing with Integrated Photonics[J]. Laser & Photonics Reviews, 2025, 19(4): 2400972.

Huang Z, Wang C, Zhang C, et al. Brain-like training of a pre-sensor optical neural network with a backpropagation-free algorithm[J]. Photonics Research, 2025, 13(4): 915-923.

He Y, Liang Y, Huang H, et al. Predictive pixel-wise optical encoding: towards single-shot high dynamic range moving object recognition[J]. Photonics Research, 2024, 12(11): 2524-2538.

Shi W, Jiang X, Huang Z, et al. Lensless opto-electronic neural network with quantum dot nonlinear activation[J]. Photonics Research, 2024, 12(4): 682-690.

Huang Y, Fu T, Huang H, et al. Sophisticated deep learning with on-chip optical diffractive tensor processing[J]. Photonics Research, 2023, 11(6): 1125-1138.

Teng J, Hu C, Huang H, et al. Single-shot 3D tracking based on polarization multiplexed Fourier-phase camera[J]. Photonics Research, 2021, 9(10): 1924-1930.

Hu C, Huang H, Chen M, et al. FourierCam: a camera for video spectrum acquisition in a single shot[J]. Photonics Research, 2021, 9(5): 701-713.

Du Z, Xiang C, Fu T, et al. Silicon nitride chirped spiral Bragg grating with large group delay[J]. APL Photonics, 2020, 5(10). (Editor's Pick）

Liang Y, Huang H, He Y, et al. Pixel-wise exposure control for single-shot HDR imaging: A joint optimization approach[J]. APL Photonics, 2024, 9(6). (Featured Article)

符庭钊, 孙润, 黄禹尧, 等. 片上集成光学神经网络综述 (特邀)[J]. 中国激光, 2024, 51(1): 0119002.

李天宇，王国庆，李维，陈宏伟等. 光学感前计算技术及其卫星遥感应用综述[J]. 激光与光电子学进展, 2024, 61(2): 0211030.

陈宏伟, 于振明, 张天, 等. 光子神经网络发展与挑战[J]. 中国激光, 2020, 47(5): 0500004.

杜振民, 胡成洋, 符庭钊, 等. 基于集成光束分配芯片的空间叠层衍射成像[J].中国激光, 2021, 48(15): 1517004.

陈宏伟, 杜振民, 符庭钊, 等. 硅基光子集成宽带大色散延时芯片 (特邀)[J]. 红外与激光工程, 2021, 50(7): 20211045-1-20211045-5.

Du Z, Zhang T, Liu Z, et al. Nested spiral chirped waveguide Bragg gratings for tunable dispersion compensation[C]//49th European Conference on Optical Communications (ECOC 2023). IET, 2023, 2023: 960-963.

Huang Z, Wang C, Shi W, et al. Multi-layer optical convolutional neural network with nonlinear activation[C]//CLEO: Science and Innovations. Optica Publishing Group, 2024: SF2A. 7.

Liu W, Fu T, Huang Y, et al. Ultra-compact optical neural network chip[C]//2024 Conference on Lasers and Electro-Optics (CLEO). IEEE, 2024: 1-2.

Huang Y, Fu T, Huang H, et al. Error calibration for on-chip diffractive optical neural networks with Low-Rank Adaptation[C]//CLEO: Science and Innovations. Optica Publishing Group, 2024: SM3M. 1.

Sun R, Huang Y, Liu W, et al. Standardized Design: On-chip Diffractive Optical Logic Operation Units with Ultra-compact Structures[C]//2024 Conference on Lasers and Electro-Optics (CLEO). IEEE, 2024: 1-2.

Shi W, Huang Z, Li X, et al. Multi-layer Nonlinear Lensless Opto-electrical Neural Network with Quantum Dot Activation[C]//Conference on Lasers and Electro-Optics/Pacific Rim. Optica Publishing Group, 2024: Tu1A_5.