文章背景
氮化镓（GaN）技术自发明以来不断发展，从用于制造高效蓝光发光二极管（LED）进而产生白光，再到电子设备如移动通信中的高频应用以及功率电子领域的广泛使用，如今已成为微电子领域的重要支柱。近年来，氮化镓在Micro LED 领域也取得新进展，其作为微小发光器在显示技术应用中优势明显。基于氮化镓的Micro LED技术如EVIYOS已用于汽车前照灯，本文旨在探讨其在光神经形态处理单元中的应用潜力。
文章概述
文章提出GaN基Micro LED阵列可作为光神经形态计算的合适光源，利用其高分辨率产生光学图案并可高频调制的特性，通过构建基于Micro LED矩阵的人工神经元架构，实现光学输入输出的人工神经元，并搭建桌面演示器证明该方法可行性，还对其能量效率和可扩展性进行估算，最后讨论了实现该技术面临的挑战和未来研究方向。
人工神经网络（ANN）神经元模型通过人工神经网络模拟生物神经系统，基本功能单元为神经元，通过突触相互连接，神经元接收输入信号并加权求和，经非线性激活函数处理后输出，神经网络包含输入、隐藏和输出层，通过训练确定突触权重，神经元可按矩阵形式组织，便于处理二维数据。
人工智能大规模应用及信息处理需要巨大的能源需求，预计10年后，全球约三分之一的电能将用于超级计算机及其降温。基于GaN的Micro LED技术具有巨大潜力，它可以将人工智能系统及其巨大的“能源需求”所造成的功耗降低 10000倍。Micro LED执行了原本由硅晶体管执行的任务。并行内存处理与高效的光子产生和检测相结合，创建了一种硬件，它可以物理映射不同级别的神经网络并实现并行信息流。
图1展示了人工神经网络的神经元模型及其基于Micro LED矩阵的实现架构。利用Micro LED阵列实现光学输入，发射强度与输入信号成正比，通过可调光滤波器阵列实现加权，单个光电二极管累积加权强度并模拟偏置值，经放大器处理后驱动发送给Micro LED，将信息传递到下一层神经元，光电二极管与Micro LED间的模拟电路实现非线性特性。在基于具有光学输入和输出的神经元实现来实现功能性人工神经网络时，一个具有挑战性的部分是将光学输出信号在空间上分配到下一层神经元。为了解决此光学扇出问题，采用微透镜阵列创建多个输出强度副本，下一层神经元需相应数量的滤波器、光电二极管和Micro LED。
图1基于氮化镓的神经形态计算单元架构
图 2 展示了用于分析手写数字的光神经形态计算单元的具体设置，该设置包含了实现光神经形态计算功能所需的各个组件及其连接关系。输入部分由EVIYOS高功率Micro LED阵列构成，其分辨率为32×32像素，用于识别MNIST数据集中手写数字。将MNIST图像缩放后由Micro LED阵列显示，通过微透镜阵列实现扇出，利用透射式LCD实现突触权重，加权图像经成像光学聚焦到光电探测器阵列，输出Micro LED阵列实现分类，通过相机和软件分析强度，整个系统经训练后在MNIST数据集上测试准确率达86.8%，与理想单层ANN结果相近，证明Micro LED阵列可用于实现光学神经元处理单元。
图2 用于分析手写数字的光神经形态计算单元装置
物理神经网络关键性能指标包括准确性与能量效率，尽管受限于LCD阵列分辨率，本研究系统在分类准确性方面仍可比肩其他方法。基于氮化物的 Micro LED 优势显著，适合光神经形态计算基本元件，其小型化和可扩展性极佳。通过假设Micro LED尺寸、效率、电流密度等条件，估算出单个Micro LED功率转换与乘法运算次数，对于1000×1000发射器的Micro LED阵列，每秒可处理 7×1015次乘法运算，效率达 2.3×105 TOPS/W；考虑驱动额外消耗30 mW且仅 0.5%光子用于计算，效率仍可达580 TOPS/W，与其他先进AI加速器硬件相比，具有巨大潜力。
文章总结
在本文中，作者提出GaN基Micro LED阵列适用于光神经形态计算，通过桌面演示器证明了概念可行性。实验中MNIST检测准确率非常接近根据报道中单层人工神经网络的最佳准确率，但不适合评估能量效率、可扩展性和性能。为了构建该系统的小型化和优化版本，需要高效电子电路、微透镜、微型光学滤波器三方面组件的研究改进。此技术虽面临挑战，但相比竞争技术优势明显。其在高效AI硬件方面潜力巨大，需开发高性能Micro LED阵列，满足高分辨率（≤1μm2/像素）和GHz调制频率（需合适CMOS芯片）等要求，涉及新集成方法和模拟电路研究，考虑电气元件影响。未来应优化Micro LED特性、探索架构实现多层网络，结合集成光子学发挥可扩展性优势。
文章信息
第一作者：R Kraneis
通信作者：A Waag
通讯单位：Nitride Technology Center, Institute for Semicondcutor Technology, TU Braunschweig, Hans-Sommer-Straße 66, 38106 Braunschweig, Germany.
文章题目：MicroLEDs for optical neuromorphic computing - application potential and present challenges
国家第三代半导体技术创新中心（苏州） 译
