含硅

透明的导电氧化物和低氮损耗富含硅的硅波导，作为神经形态光子学的基础

简介神经形态计算是指试图模仿大脑信号处理的信号的方式[1]。与基于具有两个分离的内存和处理单元并以顺序操作的von Neumann架构的传统计算机相比[2]，大脑过程以并行方式[3，4]。，它在速度和能源效率方面提供了巨大的好处，因为数据传输是造成大部分功耗的原因。克服某些局限性的方法之一是开发可以改善信号处理的新算法[5，6]，但是，它仍然需要在内存和处理器之间进行数据传输和限制其效率。在处理这些限制的过程中，在网络中可以实施的人工神经元和突触的开发中，付出了很多努力[1]。基于光子学，即，神经形态光子学，可用光子作为信号载体，以在网络的不同部分之间传递信息[7-12]。多亏了几乎无限的带宽，与标准CMOS技术的兼容性以及几乎为零的功耗，可以进行基本的矩阵乘法，与神经态电子相比，它可以提供巨大的改进。可以通过以光速度在单个波导上将多个信号列入多个信号来实现完整的并行性。同时，光权重可以提供计算的低延迟。通过将这些优点结合起来，至少与电子同行相比，至少有很少的数量级改善。但是，实现此类任务的实现需要仍缺失的新材料平台和低损失体系结构。氮化硅（SIN）是光子整合电路（PIC）技术的普遍材料，因为它与标准CMOS过程兼容[13，14]。它允许在单个芯片上进行具有成本效益的设备和电子和光子组件的协整。此外，与其他材料相比，基于SIN平台的光子设备的特征是对温度漂移的容忍度更高，光学损耗和较低的波长范围操作，较大的波长透明度和改善的串扰值[14]。已经被证明是一个适当的材料平台，用于实现神经网络，表明自由度增加的是设计线性神经元[8，9]。因此，SIN平台可以作为神经形态光子学中的路由层起关键作用[9]。