来源：University of Pittsburgh
图：用于非易失性传输调制的光学忆阻平台。来源：Nature Photonics（2023）。DOI:10.1038/s41566-023-01217-w
人工智能、机器学习和ChatGPT在公共领域可能是相对较新的流行语，但开发一台像人脑和神经系统一样硬件和软件结合的计算机是一项长达数十年的挑战。 Pittsburgh大学的工程师们正在探索光学“忆阻器”如何成为开发神经形态计算的关键技术。
带存储器的电阻器或忆阻器已经证明了其在电子学中的多功能性，在神经形态计算中用作计算电路元件，在高密度数据存储中用作紧凑型存储器元件。他们独特的设计为内存计算铺平了道路，并引起了科学家和工程师的极大兴趣。
发表在Nature Photonics上的一篇题为“集成光学忆阻器”的新综述文章揭示了这项技术的演变，以及为充分发挥其潜力仍需做的工作。
这篇文章由Nathan Youngblood领导，探讨了类似电子忆阻器的光学器件的潜力。这类新型设备可能在光学领域的高带宽神经形态计算、机器学习硬件和人工智能的革命中发挥重要作用。
Youngblood解释道：“研究人员真正被光学忆阻器所吸引，因为它们在高带宽神经形态计算、机器学习硬件和人工智能方面具有惊人的潜力。”。“想象一下，将光学的难以置信的优势与本地信息处理相结合。这就像打开了一扇通往技术可能性全新领域的大门，而这在以前是无法想象的。”
这篇综述文章全面概述了光子集成电路这一新兴领域的最新进展。它探索了当前的最先进技术，并强调了光学忆阻器的潜在应用，它将超快、高带宽光通信的优势与本地信息处理相结合。然而，可扩展性成为未来研究应该解决的最紧迫的问题。
Youngblood解释道：“在光学领域扩展内存或神经形态计算是一个巨大的挑战。拥有一种快速、紧凑、高效的技术可以使扩展更容易实现，这将是向前迈出的一大步。”。
他继续说道：“局限性的一个例子是，如果你要采用目前光学存储器存储密度最高的相变材料，并试图在芯片上实现一个相对简单的神经网络，那么需要一个笔记本电脑大小的晶片才能容纳所需的所有存储单元。”。“尺寸对光子学来说很重要，我们需要找到一种方法来提高存储密度、能效和编程速度，以在有用的规模上进行有用的计算。”
利用光彻底改变计算
光学忆阻器可以在多种应用中彻底改变计算和信息处理。它们可以实现光子集成电路（PIC）的主动微调，允许片上光学系统根据需要进行调整和重新编程，而无需持续消耗功率。它们还提供高速数据存储和检索，有望加速处理、降低能耗并实现并行处理。
光学忆阻器甚至可以用于人工突触和大脑启发的架构。具有非易失性存储和非线性输出的动态忆阻器复制了大脑中突触的长期可塑性，并为尖峰集成和激发计算架构铺平了道路。
扩大和改进光学忆阻器技术的研究可能会为高带宽神经形态计算、机器学习硬件和人工智能带来前所未有的可能性。
Youngblood说：“我们研究了很多不同的技术。我们注意到，我们离理想的光学忆阻器的目标还有很长的路要走，这种忆阻器结构紧凑、高效、快速，可以显著改变光学特性。”。“我们仍在寻找一种在单一技术中真正满足所有这些标准的材料或设备，以推动该领域的发展。”
