玻璃變AI芯片！科學家造出可編程三維光子神經網絡

將可編程光子神經網絡寫進玻璃內部，是不是聽上去有些科幻？科學家近期的一項研究證明，這條路不僅跑通了，而且規模越大優勢越明顯。

近期，華中科技大學張新亮教授、董建績教授與上海交通大學唐豪教授團隊聯合提出了一種可編程光子計算的新范式。他們開發了新架構 LAMP（Lantern-shaped Adaptive Multilayer Photonic network），意為燈籠形自適應多層光子網絡。

通過在玻璃內部用飛秒激光刻出三維光子神經網絡芯片，首次實現了單芯片上的可編程三維光計算，能夠直接對二維圖像進行處理。

研究人員制備了一款基于 LAMP 的八層 64 通道（8×8 陣列）演示芯片，并在芯片上集成 74 個微加熱器，它的功能類似于可編程控制“開關”，可隨時控制光的走向。

值得關注的是，該芯片在多項任務中表現出優異的性能。例如，在手寫數字分類 MNIST 任務中訓練準確率為 93%、測試準確率達 91.7%；在光學圖案生成任務上實現 94% 的保真度；理論計算吞吐量達 6,554 TOPS（每秒萬億次操作）。

曹子榆是華中科技大學博士生，師從張新亮教授和董建績教授，主要研究方向是集成光學，她對 DeepTech 表示：“LAMP 不是僅完成單一功能的靜態光學器件，而是通過訓練可重新配置的三維光學計算平臺。并且，它跑通了從二維輸入、三維計算，再到可編程調控，最后到二維輸出的完整鏈路。”

該技術有望應用于 AI 推理硬件，尤其是光電混合系統中計算密集、線性計算占比較高的部分。據研究團隊預計，短期內他們可能先從專用推理任務探索技術應用的可能性，包括圖像識別、模式生成、光場處理以及傳感陣列分析。

光子芯片為何困在二維平面？

實際上，在透明材料內部用飛秒激光直寫加工波導，已經有長期的技術積累。這項研究始于團隊成員思考的一個問題：既然這項技術天然可以進入材料內部、構建三維結構，為什么很多設計最后還是回到了平面光子芯片的思路？

2023 年，康奈爾大學 Peter McMahon 教授在發表于 Nature Reviews Physics 的綜述論文“The physics of optical computing”中 [2]，對光用于計算的多種物理特性的可能性進行了系統討論。

“讀完這篇論文后我很受觸動，并意識到速度快只是光計算的優勢之一，更重要的是，它有很多能夠被調用的物理自由度。但在芯片級光計算中，尚未充分利用三維空間的維度。”曹子榆表示。

她進一步聯想到，真實神經系統的連接原本也并非二維平面，因此物理形態的神經網絡硬件或許可以在平面之外進行探索。

真正讓這個想法落地的，是她看到 Optica 上一篇關于三維打印靜態光學計算結構的論文。那項研究讓她意識到，三維加工能力已經可以承載計算結構。于是，一個更進一步的問題浮現：如果靜態三維光路能夠計算，下一步能否做出可編程、可訓練的三維光子神經網絡？

因此，LAMP 的意義并不只是把光子芯片從二維拓展到三維，而是在驗證一個更底層的問題：光在空間中的傳播、耦合和重構，能否被系統地轉化為可擴展、可訓練、可制造的計算能力。

一塊玻璃，如何變成 AI 芯片？

僅沿著二維平面設計，三維加工能力并不能得到充分釋放，而玻璃最大的特點恰恰是能夠在體積空間中組織光路。

從本質上來看，LAMP 是將三維空間從加工自由度變成計算自由度：在芯片尺度內，讓光在體積空間中傳播、耦合、調控，并形成可編程的計算網絡。

（來源：Nature Communications）

之所以能夠在保持芯片級集成的條件下，將三維空間自由度引入光子計算，主要分為以下三個研究階段。

在架構設計階段，采用二維陣列進行輸入輸出，中間多層級聯的三維光子燈籠則為不同通道的光場發生耦合以及混合提供了保障。

在三維波導加工階段，基于高精度三維位移控制，使激光焦點能夠沿預設軌跡在玻璃體內移動，焦點經過之處能夠形成可導光的波導。然后通過寫入深度的改變，可以實現在不同 z 位置寫入多層波導，最終形成三維光路。

（來源：Nature Communications）

最后是可編程調控階段。與三維波導對應的是固定光學變換，因此還需要在芯片上制備相移器陣列，以訓練和改變傳輸響應。三維燈籠和相移器的“強強聯合”對可訓練的網絡而言缺一不可：前者提供混合能力，后者則為可編程自由度提供支持。同樣芯片面積下，平面方案有效通道數是 N，LAMP 則是 N×M（注：M 代表層數或額外空間維度帶來的擴展因子）。

得益于在真實芯片上相位配置的優化，能夠訓練同一芯片完成不同的任務。結果顯示，MNIST 分類任務準確率為 93%，圖案生成保真度則達到 94%，驗證了這套訓練和調控流程在三維芯片上的真實有效性。

從計算核心的規模潛力來看，這項研究未來仍有發展空間。在這項研究中，該團隊使用了 64 個通道，理論計算吞吐量達到 6,554 TOPS。未來，當通道數和級聯層數繼續放大后，三維空間帶來的并行組織能力有望進一步釋放。

回憶這項研究的經歷，曹子榆說，有點像過山車一樣，既有興奮也有挑戰。“最讓我興奮的是 LAMP 想法剛出現時。那段時間我每天都在想這件事，晚上睡覺的時候都在琢磨細節。做這件事情并不容易，經驗不夠、資源有限，也沒有現成路線可以照著走，但好在最后逐一克服了相關困難。”

圖丨相關論文（來源：Nature Communications）

近日，相關論文以《可編程三維光子神經網絡芯片》（Programmable Three-dimensional Photonic Neural Network Chip）為題發表在 Nature Communications[1]。華中科技大學博士生曹子榆和上海交通大學碩士生杜玒璟是共同第一作者，華中科技大學張新亮教授、董建績教授以及上海交通大學唐豪教授、徐曉蕓助理研究員擔任共同通訊作者。

審稿人對該研究評價稱：“這項工作將三維空間作為計算資源，為光學處理器開辟了一條新路徑，能夠更好地匹配視覺信息的自然維度以及光傳播中豐富的物理特性。它的意義不僅在于將光子芯片從二維擴展到三維，更在于將內部空間轉化為用于光學路由、耦合和空間混疊的計算自由度。”

下一代千通道芯片已啟動驗證

當下，晶體管微縮和傳統互連越來越困難，因此未來 AI 硬件的提升未必局限于來自晶體管本身的方案。一部分適合光完成的互聯和線性計算，有可能會放到更靠近數據、互連和封裝的位置。LAMP 提供了一種技術的早期原型：當玻璃從被動基板變成可設計的三維光學空間，有望從系統互連平臺延伸出一部分計算功能。

據了解，在產業界已有企業在探索類似 LAMP 的技術方向。例如，光計算公司光本位科技正在用玻璃代替硅作為襯底來研制玻璃光計算芯片。在結構、材料與制造上不斷尋求突破，終級目標是將玻璃光計算芯片直接封裝為超高性能全光計算系統。

“從技術路線看，光本位與我們有所不同：他們是聚焦單層玻璃芯片堆疊的方式；而我們是基于飛秒激光直寫技術用三維玻璃光路重構 AI 系統中的互連與計算。這些探索共同說明，玻璃平臺的價值正在從封裝與承載，逐步延伸到光互連乃至光計算本身。”

據研究團隊介紹，目前他們正在推進下一代千通道芯片加工，并與國內多家玻璃基封裝和光電集成企業探索合作的可能性，進而將原型芯片推進到真實 AI 系統中。

參考資料：

1.Cao, Z., Du, HJ., Yuan, XJ. et al. Programmable Three-dimensional Photonic Neural Network Chip. Nat Commun (2026). https://doi.org/10.1038/s41467-026-72316-9

2.McMahon, P.L. The physics of optical computing. Nat Rev Phys 5, 717–734 (2023). https://doi.org/10.1038/s42254-023-00645-5

運營/排版：何晨龍

注：封面/首圖由 AI 輔助生成