近年来，硅基光子集成芯片凭借其大带宽、低能耗和可量产的优势，在光子神经网络领域显示出巨大潜力，但光子神经网络的进一步发展受限于硅集成的可监控光学神经元。首先，由于硅的非线性效应较弱，通常需要在硅上异质集成其他材料，如相变材料和二维材料等，但其稳定性和量产能力尚不令人满意；其次，缺乏合适的监控和反馈技术来进行高效的网络训练，节点故障的监测和环境波动的补偿。

为解决上述问题，华中科技大学张新亮教授和余宇教授团队利用非线性锗硅光电探测器的非线性光学吸收效应来实现全光非线性激活函数，同时利用该过程中转化而来的光电流监控神经元的状态，有效缓解了硅光子神经网络面临的困境。不仅可以在光域完成高速、低功耗的机器学习推理，而且可以在电域在线训练、实时监控节点故障和环境波动。

图1 基于锗硅探测器的神经网络架构

图2 非线性锗硅探测器网络实物图

基于该技术的非线性网络具有功能丰富、结构紧凑、准确度高等优点。由于材料的稳定性和量产能力高，该工作为未来大规模集成光子智能处理器提供了可能性。

研究工作得到了国家重点研发计划、国家自然科学基金、湖北光谷实验室创新科研项目和华中科技大学学术前沿青年团队的资助。华中科技大学的余宇教授为论文的通讯作者，博士研究生石洋为论文的第一作者。相关成果以“Nonlinear germanium-silicon photodiode for activation and monitoring in photonic neuromorphic networks”为题发表在《Nature Communications》上，并被评选为Editor’s highlight。

论文链接：https://www.nature.com/articles/s41467-022-33877-7