近日，国际期刊《Nature Communications》在线刊发了我校集成电路学院杨蕊/缪向水教授关于光子概率计算的最新研究成果“Compact photonic spiking neuron with inherent stochasticity based on phase-change material for probabilistic computing”我院杨蕊教授、缪向水教授为通讯作者。我院2022级博士生董云潇、2025级博士生王天赐为共同第一作者。华中科技大学集成电路学院为论文第一完成单位。
光子神经网络（PNN）具有超快速度、大带宽、低功耗和并行处理的优势，成为一种新兴的计算范式。然而，现有光子神经元大多面临着尺寸大、光学响应弱的问题，且通常用于执行确定性计算。相比之下，生物神经元因离子通道随机开启而具有内在随机性，支持概率计算和不确定性量化。目前光子概率计算通常依赖额外熵源，增加了系统复杂度。为解决这一难题，我院缪向水/杨蕊教授团队在国际上首次研制出一种基于新型相变材料的紧凑型片上光子脉冲神经元，该工作突破了传统光子概率硬件设计的局限，为开发大规模、低复杂度的光子概率计算系统提供了具有本征随机性的紧凑神经元。
研究团队在硅基波导上异质集成相变材料SbTe9，成功研制出一种新型光子脉冲神经元器件。SbTe9相变材料在外加激励时发生固-液相变，激励撤去后自发发生液-固相变，这一过程中相变材料的消光系数发生变化，实现了对波导中光信号的调制。团队利用该材料在相变过程中微观结构的随机演化动力学过程，赋予器件天然的概率发放特性.该光子神经元的核心调制面积仅为1.5 μm²，同时展现出2 dB μm⁻¹的出色光学调制能力。
这种具备内在随机性的光子神经元为光子神经网络系统提供了有效的不确定性量化能力与抗干扰优势。在乳腺癌细胞的医疗诊断任务中，基于该器件构建的概率脉冲神经网络（P-SNN）实现了高精度的预测（98.67%），同时通过预测熵有效量化诊断结果的不确定性。将光子相变突触与神经元集成后，系统表现出良好的鲁棒性：在面对不可避免的突触编程误差时，系统准确率仅下降0.47%，约为确定性神经元的十分之一；在15%的输入噪声干扰下，识别准确率下降幅度为4.28%，显著低于确定性神经元的10.1%。该工作为高集成密度、高鲁棒性的片上光子集成电路发展建立了一种全新的范式。
研究工作得到了国家自然科学基金、湖北省杰出青年基金等项目的资助。
