介绍了一种用于矩阵向量乘法和求和的集成光子学 TPU，通过利用波长分割复用、纳秒级延迟和基于相变材料的光学多态存储器，结合这些材料、功能和系统的物理协同作用，展示了这种 8 位光子 TPU 的性能比电子 TPU 高 2-3 个数量级，而占用的芯片面积类似，表明光子专用处理器在增强电子系统方面具有潜力，并且在即将到来的 5G 网络及其后面的网络边缘设备中表现特别出色。

Feb, 2020

通过跨层级协同设计和领域专用定制，我们提出了一种名为 TeMPO 的时分复用动态光子张量加速器，它在电子光子计算系统中弥合了性能差距，达到了更高的性能和效率。

Feb, 2024

通过使用多操作光神经元 (MOON) 和 Mach-Zehnder 干涉仪 (MOMZI) 构建的光学点积引擎，本文构建了基于 optoelectronic 混合计算的神经网络，并在街景房号识别数据集中实现了 85.89% 的分类精度，相较 传统的 单操作光调制器具有更少的传播损耗、更少的光学延时、更小的设备占地面积和可比的矩阵表达能力

May, 2023

光学计算在这篇论文中发挥了重要作用，提出了一个基于芯片的物理信息神经网络（PINNs）训练框架，用于高维偏微分方程的求解，具有相当低的能量消耗和超低的延迟。

Dec, 2023

本文描述了如何将光计算和通信集成到 2.5D 芯片平台中，从而驱动一类新型的可持续扩展的机器学习硬件加速器，以加速新兴的机器学习工作负载，通过跨层设计、硬件 / 软件协同设计和硅光子设计制备。

Jan, 2023

Mirage 是一种基于残留数系统（RNS）的光子深度神经网络（DNN）训练加速器，通过将 RNS 和光子学相结合，提供高能效、高精度且能够成功训练与 FP32 训练相媲美的 DNNs，相比系统阵列，平均可实现超过 23.8 倍的更快训练速度、32.1 倍的更低能耗与相当或更好的效率 - 功耗比（EDP）在等能端景下，以及 42.8 倍的更低功率消耗在等面积场景下。

Nov, 2023

我们提出了一种超光谱存储体系结构，通过将空间复用与频率复用光频梳相结合，并利用空间光调制器作为可编程光学存储器，从而提高计算吞吐量和能源效率。我们在矩阵 - 向量乘法和矩阵 - 矩阵乘法中实验性地演示了高于 4 位精度的乘累加运算，这表明了该系统在各种深度学习和优化任务中的潜力。我们的方法展示了超越传统光学计算体系结构的非凡模块化性，可扩展性和可编程性，并显着超越了 peta（每秒百万亿次）操作，标志着实现高吞吐量、高能效光学计算的重要进展。

Oct, 2023

光子计算在加速计算密集型人工智能 (AI) 工作负载方面已经成为一种有前途的解决方案，在资源有限、延迟敏感的边缘计算环境中，具有无与伦比的速度和能量效率。然而，现场噪声和环境变化给模拟光子张量加速器的部署带来了可靠性挑战。本文首次提出了一种轻量级的动态芯片内纠正框架 (DOCTOR)，针对时间漂移噪声提供自适应的、就地校准的准确恢复。DOCTOR 框架通过自适应探测智能监视芯片状态，并在必要时进行快速的就地、无训练的校准来恢复准确性。我们还提出了一种基于变异感知的架构重映射策略，以避免在有噪声的设备上执行关键任务。大量实验表明，与现有芯片内训练方法相比，我们提出的框架可以在漂移变化下保证持续性能，在准确性上提高 34%，开销降低 2-3 个量级。

Mar, 2024

提出并展示了一种具有具有空间可重构迷向指数的二维可编程波导器件，能够通过自由传播的波在器件内进行计算，具有进行并行调制的能力，实现了比以往的离散型组件更大规模的光子芯片，为光学处理、智能感应、光谱学和光通信等广泛应用领域带来了更紧凑、更多功能的光子系统。

Feb, 2024

光子集成电路在光计算领域发挥着重要作用，光信号的特性使其相比数字对应物具有更快速和更高效率的运算能力。然而，热串扰等确定性现象使得精确程序化光芯片编程成为一项具有挑战性的任务。本研究训练和实验评估了三种模型，结合不同程度的物理直觉，以预测可编程光子网格中不同位置的热串扰效应。我们通过芯片中的微环谐振器功率谱中的谐振波长漂移量来量化热串扰效应，实现建模误差小于 0.5 pm。通过补偿串扰引起的波长漂移，我们对模型进行了实验验证。最后，我们通过利用该模型预测和补偿未经训练的芯片部分的热串扰效应来评估其泛化能力，显示均方根误差小于 2.0 pm。

Mar, 2024