相变光计算：让光也能记忆、计算和判断

沈佳斌

当今，人工智能、大模型、自动驾驶和科学计算正在消耗越来越多的算力。特别是人工智能任务往往需要同时处理海量矩阵运算，而光计算天然适合并行传播、波分复用和干涉计算。

光计算的核心思想是：用光来携带信息，并利用光的传播、干涉、衍射以及材料响应来完成计算。与电子不同，光子之间不容易相互干扰；同时，光还可以利用不同颜色、相位和偏振态并行传输信息。因此，光计算被认为是突破传统电子计算限制的重要路线之一。

不过，光计算也有一个天然难题：光跑得太快，也太“不爱停留”。电子可以被困在晶体管或存储单元中，形成稳定的“0”和“1”；但光子通常一闪而过，很难在芯片上长时间保存状态。因此，如果想让光计算真正做到可编程、可重构，就需要一种材料帮助光“留下痕迹”。这正是相变材料进入光计算舞台的原因。

所谓相变材料，简单来说，就是一类能够在不同结构状态之间可逆切换的材料。最典型的例子是可擦写光盘中的记录材料。过去的可擦写光盘，正是利用激光使材料在不同相态之间切换，从而实现信息的写入和擦除。

从微观结构上看，相变材料可以在原子有序排列的晶态和原子无序排列的非晶态，甚至熔融液态之间切换。不同相态对光的影响并不相同，会表现出不同的折射率、吸收系数和相位延迟。如果把相变材料集成到光子芯片上，就可以通过激光或电信号改变材料状态，进而控制光的传播路径、强度和相位。换句话说，相变材料可以让光计算芯片像电子芯片一样，具备可写入、可擦除、可保持和可重构的能力。

在早期相变光子学研究中，最常用的材料之一是GST，也就是Ge₂Sb₂Te₅。GST在非晶态和晶态之间具有很大的光学性质差异，因此非常适合用于光存储、光开关和可重构光子器件。

但是，GST也有一个突出问题：它太“黑”了。这里的“黑”并不是指肉眼看到的颜色，而是指它在可见光和近红外波段具有较强的光吸收。光在器件中传播时，会被材料吸收一部分，从而造成损耗增加。对于大规模光计算网络来说，这一点非常不利。因为光信号如果要经过大量器件，每经过一个器件都会损失一点能量，最终信号就可能变得很弱。

这可以用一个生活中的例子来理解：假设水流经过很多阀门，而每个阀门都会漏掉一点水。如果阀门数量很少，漏一点水问题不大；但如果有成千上万个阀门，最后水可能就所剩无几。

光计算也是类似的。一个小型光学器件即使存在少量损耗，可能仍然可以接受；但一个真正有用的光计算芯片往往需要大量光开关、调制器、干涉器和存储单元。如果每个器件都吸收较多光能，整个系统就很难扩展。

因此，低损耗相变材料被发明出来，它让可编程光计算从单个器件走向大规模系统成为可能。近年来，相变光子学的一个重要方向就是寻找低损耗相变材料。例如Sb₂S₃、Sb₂Se₃等材料由于带隙更宽、吸收更低，已经被用于非易失可编程光子器件。

不过，这类多元素材料体系也存在一些天然挑战，例如多元素比例失衡、元素偏析和相分离等问题。对于相变材料来说，这些问题尤其关键。因为材料需要在不同状态之间反复切换，如果每次切换后元素分布逐渐变得不均匀，器件性能就会随之退化。于是，一个新的问题被提出：能不能用单元素材料来实现低损耗相变光子功能？

单元素材料天然避免了多元素体系中的元素偏析和组分失衡问题。在这一思路推动下，我们的科研团队通过材料溯源和系统筛选，开发出了元素硒这一低损耗相变材料，并展示了其晶圆级制备能力和优异的光学性能。例如，它可以在近红外波段实现几乎全谱透明，并在可见光波段表现出很高的光学品质因子。

单质硒低损耗相变材料

此外，由于硒是单元素材料，结构组成更加简单，因此具有良好的循环稳定性。研究表明，硒相变材料可以承受超过百万次可逆相变操作，为未来可编程光计算系统提供了重要材料基础。

如果把硒薄膜想象成一张“可反复改写的透明光学纸”。用飞秒激光照射某些区域，可以把这些区域写成一种相态；再用连续激光加热，又可以将其擦除或改写。由于不同相态具有不同折射率，光通过这些区域时会获得不同的相位变化。

我们通过实验证实了薄薄一层硒膜可以用于可重构显示、可编程光学元件、动态超表面，以及光计算中的可编程权重或调制单元。我们的相关研究发布后，西班牙和意大利等团队也很快跟进，进一步验证了这种材料在低损耗相变光子学中的应用潜力。

可重构的图像显示

如果说硒让光计算具备了低损耗、非易失和可编程的调制能力，那么另一个关键问题是：光计算如何实现“判断”？

光学系统天然适合完成线性运算，例如干涉、衍射、卷积和矩阵乘法。然而，神经网络不能只有线性运算。因为如果没有非线性激活函数，无论网络叠加多少层，本质上仍然等价于一个线性变换，表达能力会非常有限。因此，光神经网络必须具备“光学神经元”，用来实现非线性激活。

传统方案通常是：先让光完成线性计算，再把光信号转换成电信号，由电子芯片完成非线性激活，然后再转换回光信号。这个过程涉及光电转换和电光转换，会带来额外延迟和能耗，也削弱了光计算本身的高速优势。

针对这一问题，我们科研团队进一步利用自主开发的元素碲相变材料和新型固-液相变过程，实现了全光非线性运算。我们利用碲Te的光诱导相变构造全光神经元。在这一器件中，Te薄膜被集成在氮化硅波导上。当输入光脉冲能量低于阈值时，器件透过率基本保持不变；而当输入光脉冲能量超过阈值时，Te会发生局部固-液相变，光学性质迅速改变，使输出光强出现明显的非线性响应。

这一方案实现了亚纳秒级全光非线性响应，响应时间小于260 ps；其阈值能量可低至亚皮焦量级，器件尺寸仅为微米量级，并且可以在数十亿次操作后保持稳定。进一步实验还验证了其全光非线性处理能力。与依赖电子非线性激活的方案相比，这种全光非线性处理速度可提升约两个数量级。这说明，相变材料不仅可以帮助光“记忆”，还可以帮助光“判断”。

单质碲全光非线性响应

相变光计算有一个非常吸引人的愿景：让“只会路过的光”变成“会记忆的光”，进一步走向“会判断、会计算的光”，让光在芯片上完成从存储、调制、计算到非线性激活的全过程。如果把未来的光计算芯片比作一座“光的城市”，那么光波导就是道路，光子就是车辆，相变材料则是能够自动改变状态的交通信号灯和路标。硒等低损耗相变材料让这些路标透明、稳定、可反复改写；碲等特殊相变材料让路口具备判断能力，能够像神经元一样根据输入强弱作出响应；振幅-相位调制器则像精密的交通控制系统，可以同时控制车辆数量和行驶节奏；而光卷积网络就像一套高速图像识别系统，在光通过的瞬间完成计算。

相变光计算的核心魅力在于：它不是让光简单地传输信息，而是让光在传播过程中直接完成计算。未来，随着低损耗相变材料、可编程光子芯片和全光非线性器件的发展，光计算有望成为支撑人工智能、科学计算和新型信息处理的重要技术路线。

作者简历：

沈佳斌，博士，复旦大学光电研究院研究员，博士生导师，入选国家级青年人才。2021年6月获得中国科学院大学微电子学与固体电子学博士学位，2021年7月-2024年1月在复旦大学微电子学院从事博士后工作；2024年2月至今在复旦大学担任研究员。沈佳斌长期从事光电神经形态计算研究，以第一/通讯作者在Science（ESI 0.1%热点论文）、Adv. Mater.等期刊发表论文12篇，授权国内外专利6项。主持了国家自然基金青年科学基金、博士后创新人才计划、中国博士后面上资助等。获2022年度中国科学十大进展、中科院优秀博士论文等荣誉/奖项。