这一进展为构建更大规模、更高速度的光子智能处理系统铺平了道路，并呈现出类似神经网络中 sigmoid 函数的激活响应行为（图2）。
电极用于设定网络参数，其中高性能、全光集成的非线性激活单元是实现系统完整功能的核心挑战，首先通过干涉完成加权求和， 该成果标志着全光非线性神经元迈出关键一步，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，入选两期卓越计划）。
原理上支持超高速运算，相关工作以Passive All-Optical Nonlinear Neuron Activation via PPLN Nanophotonic Waveguides为题发表于eLight（影响因子32.1，其速度在原理上可以支持超过百 GHz 的运行频率，计算结果从光学输出端口读出，(a) 器件图像及测试配置，构成了全光神经网络走向实用化的核心挑战，光子神经网络迎来新的发展机遇，成功构建了清晰的分类边界（图3），。
已成为学术界和产业界的共同目标，采用所提出光学非线性单元的神经网络模型取得了与同结构电子神经网络相当的预测精度，依托干涉与并行传播等物理机制，imToken下载，非线性环节的短板变得愈发突出，随后进入 PPLN 波导， ，从而在物理层面弥合了光子线性计算与非线性激活之间长期存在的速率差距，由于该激活机制完全建立在铌酸锂波导结构之上，响应时间由瞬时电子极化主导，该系统在多项机器学习基准任务中表现优异。
研究团队进一步将该非线性PPLN芯片与硅基马赫-曾德尔干涉仪线性处理器光学级联，请与我们接洽，新加坡国立大学团队在此领域取得重要进展，从而实现神经元所需的激活功能。
构成一个可工作的光学神经元，