【儀表網(wǎng) 研發(fā)快訊】近日，北京量子信息科學研究院超快光譜學團隊和清華大學合作在室溫條件下成功實現(xiàn)了激子極化激元超快神經(jīng)態(tài)計算，對MNIST數(shù)據(jù)庫達到了92%以上識別正確率。2025年06月02日，相關(guān)結(jié)果于以“Ultrafast neuromorphic computing driven by polariton nonlinearities”為題，在線發(fā)表在eLight期刊上，并被選為featured article。
 

　　過去十年，人工智能的發(fā)展取得了突破性進展。圖像識別、語音理解、自動駕駛等應(yīng)用的背后，是深度神經(jīng)網(wǎng)絡(luò)在不斷提升。支撐這一切的，是龐大的計算資源和高速芯片的持續(xù)堆疊。
 

　　現(xiàn)實中，訓(xùn)練一個先進的AI模型，往往需要長時間運行數(shù)以百計的GPU設(shè)備，所需能耗巨大。這類計算依賴傳統(tǒng)電子架構(gòu)，其本質(zhì)仍是依次處理信息的邏輯電路，在處理復(fù)雜、并行、時變?nèi)蝿?wù)時存在天然的效率限制。這讓研究者們開始思考：有沒有可能跳出電子芯片的限制，構(gòu)建一種全新的、物理層面的“類腦計算”系統(tǒng)？神經(jīng)形態(tài)計算希望模仿大腦的運行機制，在物理結(jié)構(gòu)層面直接實現(xiàn)類神經(jīng)網(wǎng)絡(luò)的并行處理和聯(lián)動響應(yīng)。這不僅意味著更高的效率，也意味著一種根本不同于現(xiàn)有芯片的“新型計算架構(gòu)”。
 

　　激子極化激元是由半導(dǎo)體中激子與光子強耦合形成的一種準粒子，兼具光子的高速傳輸與激子的非線性相互作用特性。這類準粒子具備天然的并行性、低功耗、超快響應(yīng)等優(yōu)勢，被認為是實現(xiàn)神經(jīng)形態(tài)計算的理想候選之一。然而，現(xiàn)有的激子極化激元神經(jīng)形態(tài)計算方案普遍依賴低溫操作和復(fù)雜的納米結(jié)構(gòu)加工，不利于實際部署。能否在常溫下實現(xiàn)激子極化激元驅(qū)動的神經(jīng)形態(tài)計算，成為推動該方向發(fā)展的關(guān)鍵問題。
 

　　針對這一挑戰(zhàn)，北京量子信息科學研究院超快光譜學團隊聯(lián)合清華大學熊啟華教授團隊構(gòu)建了一個基于鈣鈦礦微腔的激子極化激元神經(jīng)形態(tài)計算平臺。該團隊不僅對室溫激子極化激元的非線性響應(yīng)特性進行了全面的測量，還首次展示了無需預(yù)設(shè)網(wǎng)絡(luò)結(jié)構(gòu)條件下的圖像識別任務(wù)，準確率達到92%，為全光神經(jīng)形態(tài)計算硬件提供了新的材料方案和實驗思路。

 

　　該平臺的核心結(jié)構(gòu)是一塊平面FAPbBr3鈣鈦礦微腔，非共振激發(fā)下能夠?qū)崿F(xiàn)激子極化激元凝聚。研究團隊利用空間光調(diào)制器將MNIST手寫數(shù)字圖像編碼為空間調(diào)制的激發(fā)光場，并投射到微腔樣品上。鈣鈦礦激子極化激元系統(tǒng)在不同輸入下產(chǎn)生各異的發(fā)光模式，這些發(fā)光圖案作為輸出信號，經(jīng)過線性回歸處理完成分類判斷。
 

激子極化激元神經(jīng)形態(tài)計算的原理(a)識別流程(b)實驗系統(tǒng)。
 

　　該論文第一作者為清華大學物理系博士生甘雨松和石瑩，通訊作者為北京量子信息科學研究院助理研究員許華文和清華大學物理系教授/北京量子信息科學研究院兼聘研究員熊啟華。該研究得到了國家自然科學基金委、北京量子信息科學研究院等機構(gòu)的資助與支持。