基于薄膜铌酸锂的光学机器学习

杨永峥1， 廖琨1， 王芋霏1，2， 胡小永1，2， 龚旗煌1，2（1北京大学物理学院人工微结构和介观物理全国重点实验室；2北京大学长三角光电科学研究院江苏省先进光电子集成芯片重点实验室）

摘要：薄膜铌酸锂凭借其卓越的电光性能和优异的可集成性，近年来已成为推动片上光子学快速发展的核心平台。与此同时，人工智能计算的蓬勃兴起对高速、低功耗、可编程计算平台的需求日益迫切。因此，机器学习与薄膜铌酸锂平台的融合正引领光子技术迈向智能化的新阶段。一方面，机器学习作为集成光子器件设计的先进工具，可通过逆向设计算法显著提升薄膜铌酸锂光子器件的性能与设计效率；另一方面，高性能的薄膜铌酸锂光子平台也为构建光学机器学习系统提供了理想的硬件基础。聚焦于薄膜铌酸锂智能光计算平台，系统梳理了机器学习与薄膜铌酸锂双向融合的研究进展。首先，重点阐述了逆向设计方法的原理、优势以及其在薄膜铌酸锂集成器件的优化应用；随后，讨论了基于该平台的光学神经网络架构实现方案以及应用前景；最后，总结了当前面临的挑战并对未来发展方向进行展望。

关键词：薄膜铌酸锂；机器学习；逆向设计；光学神经网络