随着自动驾驶和计算机视觉等技术的进步，正在推动对计算能力需求的激增。光计算以其高吞吐量、高能效和低延迟的特点，受到了学术界和工业界的广泛关注。然而，目前的光计算芯片在功耗和尺寸方面存在限制，这阻碍了光计算网络的可扩展性发展。 由于非易失性集成光子学的兴起，光学计算设备可以在零静态功耗的情况下实现内存计算。相变材料(PCMs)已成为实现光子存储和非易失性神经形态光子芯片的有希望的候选者。PCM在不同状态和可逆转变之间提供高折射率对比度，使其成为大规模非易失性光学计算芯片的理想选择。

虽然非易失性集成光学计算芯片的前景是诱人的，但它也面临着挑战。频繁和快速切换的需求对在线培训至关重要，这是研究人员决心克服的一个障碍。在释放光子计算芯片的全部潜力的过程中，开辟一条通向快速有效训练的道路是至关重要的一步。

近日，来自浙江大学、西湖大学和中科院微电子研究所的研究人员们取得了一些研究突破。据《先进光子学》（Advanced Photonics）报道，他们开发了一种能够快速易失性调制的五位光子存储器，并提出了一种支持快速训练的非易失性光子网络的解决方案。这是通过将低损耗PCM锑矿(Sb2S3)集成到硅光子平台中实现的。  

基于易失性调制兼容光子存储器的光学卷积核

该光子存储器利用PIN二极管的载流子色散效应实现挥发性调制，快速响应时间小于40纳秒，保留了存储的重量信息。经过训练后，光子存储器利用PIN二极管作为微加热器实现Sb2S3的多电平可逆相变，从而将训练后的权值存储在光子计算网络中。这导致了一个令人难以置信的节能光子计算过程。

利用所演示的光子存储器和工作原理，研究小组模拟了一个光学卷积核结构。值得注意的是，他们在识别MNIST数据集方面达到了95%以上的准确率，证明了通过易失性调制进行快速训练和通过5位非易失性调制进行权值存储的可行性。 这项工作为光子记忆建立了一个新的范例，并为在快速训练的光神经网络中实现非易失性器件提供了一个有前途的解决方案。这些进步，光学计算的未来，将比以往任何时候都更加光明、更有前途。