中科院推出三納米光子芯片 

前文曾點出3納米，2納米已到了芯片技術的極限，華為芯片可能另有途徑。

中國科學院宣布成功開發出三納米光子晶體管芯片,北京的光子芯片生產線建成。進入投產階段。

由於智能物聯網等領域的高速發展，芯片的性能和能效已經成為制約產業發展的瓶頸。目前主流的是硅基芯片技術，美國通過掌控硅基芯片技術以及材料，迫使日本的光刻機企業和荷蘭asml聽從美國的指揮。

然而，硅基芯片技術本身日益接近極限。全球最先進的芯片製造企業台積電研發三納米工藝就遇到了麻煩，三納米工藝量產時間被一再延遲，導致業界擔憂台積電能否如期在2024年量產二納米工藝。

硅基芯片技術接近極限，促使全球芯片行業開始研發更先進的芯片技術。此前全球研發的新芯片技術有光子芯片。量子芯片，石墨烯芯片技術等。美國在碳基芯片技術方面已有突破。2022年，美國一家新創公司宣布將碳納米管引入芯片，以九十納米工藝生產的芯片性能，即可以比七納米硅基芯片高出五十倍，意味光刻機過時。

在新芯片技術研發方面，中國在光子芯片，量子芯片，石墨烯芯片等，都有芯keyuan企業從事研發。

這次中科院在三納米芯片技術上的突破。其實就是光子芯片。由中科院推動。進展相當快，突破三納米光子芯片晶體管的技術極大地提升芯片的計算速度和能效，為科技創新提供更加強大的支撐，不需要昂貴的EUV光刻機。光子芯片成本大幅下降，進一步推動了該技術在未來的發展和應用。

近日，中國科學院半導體研究所集成光電子學國家重點實驗室微波光電子課題組李明研究員-祝寧華院士團隊研製出一款超高集成度光學卷積處理器。相關研究成果以Compact optical convolution processing unit based on multimode interference為題，發表在《自然-通訊》（Nature Communications，DOI：10.1038/s41467-023-38786-x）上。

卷積神經網絡是一種受生物視覺神經系統啟發而發展起來的人工神經網絡。它由多層卷積層、池化層和全連接層組成。作為卷積神經網絡的核心組成部分，卷積層通過對輸入數據進行局部感知和權值共享，提取出不同層次和抽象程度的特徵。在一個完整的卷積神經網絡中，卷積運算的運算量通常占整個網絡運算量的80%以上。雖然卷積神經網絡在圖像識別等領域取得了成功，但也面臨挑戰。傳統的卷積神經網絡主要基於馮·諾依曼架構的電學硬件實現，存儲單元和處理單元是分立的，導致數據交換速度和能耗之間的固有矛盾。隨着數據量和網絡複雜度的增加，電子計算方案越來越難以滿足海量數據實時處理對高速、低能耗的計算硬件的需求。

光計算是一種利用光波作為載體進行信息處理的技術，具有大帶寬、低延時、低功耗等優點，提供了一種“傳輸即計算，結構即功能”的計算架構，有望避免馮·諾依曼計算範式中存在的數據潮汐傳輸問題。光計算近年來備受關注，但在大部分已報道的光計算方案中，光學元件的數量隨着計算矩陣的規模呈二次增長趨勢，這使得光計算芯片規模擴展面臨挑戰。

李明-祝寧華團隊提出的光學卷積處理單元通過兩個4×4多模干涉耦合器和四個移相器構造了三個2×2相關的實值卷積核（圖1）。該團隊創新性地將波分復用技術結合光的多模干涉，以波長表徵Kernel元素，輸入到輸出的映射實現了卷積中的乘法運算過程，波分復用和光電轉換實現了卷積中的加法運算，通過調節四個熱調移相器實現了相關卷積核重構（圖2）。

該團隊提出的光學卷積處理單元實驗驗證了手寫數字圖像特徵提取和分類能力。結果表明，圖像特徵提取精度達到5 bit；對來自MNIST手寫數字數據庫的手寫數字進行十分類，準確率達92.17%。與其他光計算方案相比，該方案具有如下優點：（1）高算力密度：將光波分復用技術與光多模干涉技術相結合，採用4個調控單元實現3個2×2實值Kernel並行運算，算力密度達到12.74-T MACs/s/mm2。（2）線性擴展性：調控單元數量隨着矩陣規模線性增長，具有很強的大規模集成的潛力。

研究工作得到國家自然科學基金和中國科學院青年創新促進會的支持。