Chinese Scientists Develop Programmable 3D Photonic Neural Network

•該晶片被命名為LAMP（燈籠形自適應多層光子網路），其架構利用飛秒雷射直寫技術在玻璃內部直接構建三維波導網路，實現高密度體互連。
•此3D架構首次實現了二維圖像的直接片上處理，解決了傳統平面光子晶片因一維接口導致的圖像序列化輸入限制，從而釋放了光的並行計算潛力。
•該晶片集成了74個微加熱器作為可編程控制「開關」，使其成為一個可重新配置的三維光學計算平台，而非僅限於單一功能的靜態光學器件。
•在性能方面，該原型晶片的理論計算吞吐量高達6554 TOPS（每秒萬億次操作），並在手寫數字分類（MNIST）任務中達到91.7%的測試準確率，在光學圖案生成任務上實現94%的保真度。

📊 競品分析▸ Show

特徵/基準	華中科技大學/上海交通大學 (LAMP)	清華大學 (太極-I/II)	上海曦智科技 (Pace)	賓夕法尼亞大學 (可編程光子晶片)
技術類型	可編程三維光子神經網路 (嵌入玻璃)	光計算晶片 (能效導向)	光子算術引擎 (伊辛問題求解)	可編程非線性光子晶片 (光訓練)
核心材料	玻璃基板	未明確說明 (光計算晶片)	未明確說明 (光子算術引擎)	特殊感光半導體材料
架構特點	燈籠形自適應多層光子網路 (LAMP)，飛秒雷射直寫三維波導，直接處理二維圖像	太極-I注重能效，太極-II採用全前向智能訓練架構	專用於伊辛問題求解	利用泵浦光調節材料響應，實現可重構非線性功能
可編程性	74個微加熱器作為控制開關，可重新配置	太極-II實現光神經網路訓練	未明確說明	可根據泵浦光模式表達多種數學函數，具實時學習能力
理論吞吐量	6554 TOPS	未明確說明 (太極-I能效160 TOPS/W)	伊辛問題求解比GPU快百倍	未明確說明 (但強調能效)
應用場景	AI推理、圖像識別、模式生成、光場處理、傳感陣列分析	AI大模型推理	伊辛問題求解	AI問題 (如手寫數字分類、鳶尾花數據集)
商業化進度	探索專用推理任務應用可能性，推進千通道晶片加工	未明確說明	已於2026年4月上市 (全球AI光算力第一股)	基礎研究階段，為全光驅動計算奠定基礎

核心架構： 採用「燈籠形自適應多層光子網路新架構（LAMP）」，突破傳統二維平面光子晶片的限制，實現高密度體互連。
製造工藝： 利用飛秒雷射直寫技術，在玻璃基板內部直接構建具有連續耦合特性的三維波導網路。
可編程機制： 晶片集成了74個微加熱器，作為可編程控制「開關」，通過熱光相移器實現對光信號的精確調製，進而控制光的傳播路徑和計算功能。
信號處理： 採用混合-調製層級設計，每一層先通過連續耦合實現全局光場混合，再引入熱光相移器進行可編程調製，多層級聯後構成系統級可重構的三維光學神經網路。
輸入/輸出： 首次實現二維圖像的直接片上處理，無需序列化即可輸入，充分利用光的並行計算能力。
性能指標： 演示晶片為八層64通道（8x8陣列），理論計算吞吐量可達6554 TOPS。
材料優勢： 玻璃基板提供低熱膨脹係數、極低的損耗角正切、高平坦度及光學透明度，有利於高速信號傳輸和光子整合。

該技術將加速AI推理硬體的發展，特別是針對大型模型。

晶片高達6554 TOPS的理論計算吞吐量和固有的低功耗特性，為AI大模型推理等高算力場景提供了巨大的潛在支持。

玻璃基板在半導體先進封裝和光子整合領域的應用將大幅擴展。

該研究證明了在玻璃內部直接構建複雜三維光子網路的可行性，將玻璃從傳統承載材料提升為具備光互連乃至光計算能力的關鍵平台。

高維信息處理將迎來新的計算範式。

突破傳統二維平面光子晶片的限制，實現二維圖像直接片上處理的三維架構，為圖像識別、模式生成等高維信息處理提供了新的路徑。

2018-08

美國國家標準暨技術研究院 (NIST) 展示了可用於神經網路運算的3D氮化矽光晶片架構，為3D光學神經網路奠定基礎。

2023

Peter McMahon教授在《Nature》期刊發表綜述，系統梳理光用於計算的多種物理特性，啟發華中科技大學團隊思考如何打開更多光學自由度。

2025-04

賓夕法尼亞大學團隊開發出首款能夠利用光進行非線性神經網路訓練的可編程芯片，推進了光子神經網路的可編程性。

2025-09

IDTechEx報告《半導體中的玻璃2026-2036》深入探討玻璃在晶片封裝、訊號傳輸及光子引導上的潛力，預示玻璃基板在半導體領域角色轉變。

2026-05

華中科技大學與上海交通大學團隊合作，在《Nature Communications》發表研究成果，研製出首款可編程三維光子神經網路晶片（LAMP）。

中國科學家開發出可編程 3D 光子神經網路