清华大学方璐团队提出物理梯度训练架构实现光子芯片原位学习

10 小时前

10月8日消息，光子计算因其高速传播、天然并行及低能耗特性，成为突破人工智能算力与能效瓶颈的关键技术。然而，光子芯片训练目前多依赖离线数字建模，但实际器件受制造偏差、损耗及复杂光场影响，导致数字模型难以精准反映芯片真实物理状态。此外，现有原位训练方法受限于特定光路拓扑，难以适应复杂光子系统。为此，清华大学电子工程系方璐教授课题组提出了INSPIRE物理梯度原位训练架构，该架构直接将梯度计算引入光子芯片训练过程。