中科院推出三纳米光子芯片 

前文曾点出3纳米，2纳米已到了芯片技术的极限，华为芯片可能另有途径。

中国科学院宣布成功开发出三纳米光子晶体管芯片,北京的光子芯片生产线建成。进入投产阶段。

由于智能物联网等领域的高速发展，芯片的性能和能效已经成为制约产业发展的瓶颈。目前主流的是硅基芯片技术，美国通过掌控硅基芯片技术以及材料，迫使日本的光刻机企业和荷兰asml听从美国的指挥。

然而，硅基芯片技术本身日益接近极限。全球最先进的芯片制造企业台积电研发三纳米工艺就遇到了麻烦，三纳米工艺量产时间被一再延迟，导致业界担忧台积电能否如期在2024年量产二纳米工艺。

硅基芯片技术接近极限，促使全球芯片行业开始研发更先进的芯片技术。此前全球研发的新芯片技术有光子芯片。量子芯片，石墨烯芯片技术等。美国在碳基芯片技术方面已有突破。2022年，美国一家新创公司宣布将碳纳米管引入芯片，以九十纳米工艺生产的芯片性能，即可以比七纳米硅基芯片高出五十倍，意味光刻机过时。

在新芯片技术研发方面，中国在光子芯片，量子芯片，石墨烯芯片等，都有芯keyuan企业从事研发。

这次中科院在三纳米芯片技术上的突破。其实就是光子芯片。由中科院推动。进展相当快，突破三纳米光子芯片晶体管的技术极大地提升芯片的计算速度和能效，为科技创新提供更加强大的支撑，不需要昂贵的EUV光刻机。光子芯片成本大幅下降，进一步推动了该技术在未来的发展和应用。

近日，中国科学院半导体研究所集成光电子学国家重点实验室微波光电子课题组李明研究员-祝宁华院士团队研制出一款超高集成度光学卷积处理器。相关研究成果以Compact optical convolution processing unit based on multimode interference为题，发表在《自然-通讯》（Nature Communications，DOI：10.1038/s41467-023-38786-x）上。

卷积神经网络是一种受生物视觉神经系统启发而发展起来的人工神经网络。它由多层卷积层、池化层和全连接层组成。作为卷积神经网络的核心组成部分，卷积层通过对输入数据进行局部感知和权值共享，提取出不同层次和抽象程度的特征。在一个完整的卷积神经网络中，卷积运算的运算量通常占整个网络运算量的80%以上。虽然卷积神经网络在图像识别等领域取得了成功，但也面临挑战。传统的卷积神经网络主要基于冯·诺依曼架构的电学硬件实现，存储单元和处理单元是分立的，导致数据交换速度和能耗之间的固有矛盾。随着数据量和网络复杂度的增加，电子计算方案越来越难以满足海量数据实时处理对高速、低能耗的计算硬件的需求。

光计算是一种利用光波作为载体进行信息处理的技术，具有大带宽、低延时、低功耗等优点，提供了一种“传输即计算，结构即功能”的计算架构，有望避免冯·诺依曼计算范式中存在的数据潮汐传输问题。光计算近年来备受关注，但在大部分已报道的光计算方案中，光学元件的数量随着计算矩阵的规模呈二次增长趋势，这使得光计算芯片规模扩展面临挑战。

李明-祝宁华团队提出的光学卷积处理单元通过两个4×4多模干涉耦合器和四个移相器构造了三个2×2相关的实值卷积核（图1）。该团队创新性地将波分复用技术结合光的多模干涉，以波长表征Kernel元素，输入到输出的映射实现了卷积中的乘法运算过程，波分复用和光电转换实现了卷积中的加法运算，通过调节四个热调移相器实现了相关卷积核重构（图2）。

该团队提出的光学卷积处理单元实验验证了手写数字图像特征提取和分类能力。结果表明，图像特征提取精度达到5 bit；对来自MNIST手写数字数据库的手写数字进行十分类，准确率达92.17%。与其他光计算方案相比，该方案具有如下优点：（1）高算力密度：将光波分复用技术与光多模干涉技术相结合，采用4个调控单元实现3个2×2实值Kernel并行运算，算力密度达到12.74-T MACs/s/mm2。（2）线性扩展性：调控单元数量随着矩阵规模线性增长，具有很强的大规模集成的潜力。

研究工作得到国家自然科学基金和中国科学院青年创新促进会的支持。