近日，Nature子刊《Nature Communications》发表题目为“TOPS-speed complex-valued convolutional accelerator for feature extraction and inference”（万亿次速率的复值卷积加速器用于特征提取与推理）的学术论文。该研究实现了世界首个万亿次速率的复值光子卷积加速器，并将提出的计算硬件应用于卫星遥感数据的计算与推理。第一作者为北京邮电大学博士后白云平，北京邮电大学电子工程学院徐坤教授、徐兴元研究员与澳大利亚斯维本科技大学 David J. Moss 教授为本文通讯作者。

相较于实值神经网络，复值神经网络在处理幅度和相位信息方面具有显著优势，在雷达、通信、机器人视觉和医学检测等众多领域展现出巨大应用潜力。然而，当前复值神经网络多基于冯・诺依曼架构的电子硬件运行，其算力与能耗难以满足海量遥感数据处理需求。相比之下，光学神经形态的计算硬件以超高的处理带宽（>10THz）和极低的能耗（2.5×10^-19焦耳/操作），在实现大规模高并行矩阵计算方面展示出巨大潜力。但此前尚无用于高维度高速复值数据计算处理的光子计算硬件方案。

在本研究中，为了高效高速处理复值数据，研究团队设计了一种新型万亿次速率（TOPS）的复值卷积计算架构，该方案专注于实现如图1所示的复值数据（如波动信号）的高效特征提取和推理，探索并证明光学神经形态硬件在复值卷积计算架构中的硬件优势。该方案通过结合“基于高速幅相调制的复值数据输入技术”与“基于集成克尔微梳的复值卷积权重合成技术”，成功实现了单核每秒超过2 TOPS的计算速度。随后，研究团队将提出的复值光子卷积计算加速器应用于复值SAR图像、医学红细胞图像的处理，展示了其在雷达、通信、卫星成像以及医学识别等相位敏感任务中的潜在影响力。

图：复值光子卷积计算硬件加速遥感数据推理概念图

本研究有望进一步拓展到更多具有大容量快速处理需求的应用场景中，推动新一代类脑计算硬件与更多领域的深度融合与发展。