在物聯(lián)網(wǎng)時代，視覺圖像傳感器作為智能社會的關(guān)鍵設(shè)備，被嵌入到諸如移動通信終端、智能穿戴設(shè)備、汽車和工業(yè)機(jī)器等各種設(shè)備中。隨著應(yīng)用的不斷擴(kuò)展，對傳感器的系統(tǒng)功耗、響應(yīng)速度、安全性能等方面也提出了更高的要求。而在傳統(tǒng)的“感傳算”鏈路中，內(nèi)存的訪問速度和通信帶寬逐漸成為了限制系統(tǒng)功耗及速度的主要瓶頸。將計算單元向傳感單元靠近，使系統(tǒng)的近傳感端擁有一定的數(shù)據(jù)處理能力，逐漸成為解決這一問題的有力途徑。感前光計算相比于其他近感計算方式，具有高速、高帶寬、低功耗的優(yōu)勢。然而，目前絕大部分光神經(jīng)網(wǎng)絡(luò)需要相干激光作為光源，硬件系統(tǒng)笨重復(fù)雜，且僅能完成線性運算，缺乏層間非線性激活，限制了感前光計算在邊緣場景的應(yīng)用。

圖1.機(jī)器視覺鏈路中近傳感器計算范式

清華大學(xué)電子工程系陳宏偉教授團(tuán)隊提出了一種緊湊的無源多層光學(xué)神經(jīng)網(wǎng)絡(luò)（MONN）架構(gòu)，該架構(gòu)由無源掩模版與量子點薄膜組成，完成非相干光照明下具有層間非線性激活的多層光學(xué)計算。該架構(gòu)的光學(xué)長度短至5毫米，相比現(xiàn)有的基于透鏡的光學(xué)神經(jīng)網(wǎng)絡(luò)小2個數(shù)量級。實驗證明，該多層運算架構(gòu)在各種視覺任務(wù)的性能上優(yōu)于線性單層運算，最高可將95%的計算從電域轉(zhuǎn)移到光域進(jìn)行。該架構(gòu)具有小體積、低功耗、高實用性的優(yōu)勢，未來有望部署在自動駕駛、智能制造、虛擬現(xiàn)實等移動視覺場景。

圖2.多層感前光學(xué)神經(jīng)網(wǎng)絡(luò)架構(gòu)及層間非線性激活函數(shù)測量

同時，CdSe量子點的吸收和發(fā)射光譜在波長范圍內(nèi)呈現(xiàn)重疊。通過設(shè)計可將前后量子點的吸收和激發(fā)光譜對齊，實現(xiàn)級聯(lián)及現(xiàn)有三層架構(gòu)向更多層數(shù)的擴(kuò)展。感前MONN架構(gòu)也可與其他近感計算范式結(jié)合，完成復(fù)雜計算功能。

近日，相關(guān)研究成果以“基于緊湊多層光學(xué)神經(jīng)網(wǎng)絡(luò)的感前計算”（Pre-sensor Computing with Compact Multi-layer Optical Neural Network）為題，發(fā)表于《科學(xué)進(jìn)展》（Science Advances）。清華大學(xué)電子工程系為論文的第一單位，陳宏偉為論文的通訊作者，電子系2020級博士生黃錚為論文的第一作者。研究得到國家自然科學(xué)基金委及北京市科委的支持。

論文鏈接：https://www.science.org/doi/10.1126/sciadv.ado8516