北京大学物理学院、纳光电子前沿科学中心、人工微结构和介观物理国家重点实验室“极端光学团队”胡小永教授、朱瑞教授和龚旗煌院士与合作者在异质集成片上钙钛矿/氮化硅光子芯片系统研究中取得重要进展：开发出纳米异质集成新技术，实现了基于钙钛矿/氮化硅光子平台的近红外集成光子芯片系统，该系统在单一芯片上集成了高效钙钛矿发光二极管、高性能氮化硅光子处理器及高灵敏度钙钛矿光电探测器，具有处理光子模拟和计算机视觉任务的能力。此工作不仅拓展了钙钛矿光电器件的应用，还为实现多功能光子信息处理芯片提供了一个创新方案。2025年1月2日，相关研究成果以“异质集成钙钛矿/氮化硅片上光子系统”（Hetero-integrated perovskite/Si₃N₄on-chip photonic system）为题，在线发表于《自然光子学》（Nature Photonics）。

得益于其卓越的数据吞吐量和超低功耗，集成光子芯片在光通信、计算、激光雷达、传感和成像等领域具有重要应用。集成光子芯片发展的核心目标之一是构建在单一芯片上同时集成光源、处理器和光电探测器的光子系统。虽然人们提出了一些单片集成方案，但是受材料优化、集成技术以及设计方法等方面的限制，到目前为止，实现一个具有信号处理功能的稳定的、高性能片上光子系统依然是一个巨大挑战。

研究团队提出了一种在单一芯片上集成钙钛矿发光二极管、钙钛矿光电探测器和氮化硅光子信号处理器的方案（图1）。团队开发了高性能的卤化物钙钛矿材料，其在吸收和发射之间具有显著重叠和连续可调性，使得在光子芯片上同时实现了光源和探测器。此外，利用微纳加工技术和独特的工艺设计，实现了钙钛矿与氮化硅波导网络的高效异质集成。该系统包括一个特征尺寸为1 mm×2 mm的发光二级管，一个具有15个输入端口和2个输出端口的13层局部连接的光子网络，以及两个特征尺寸为0.5 mm×0.5 mm的光电探测器。实验上测得光子系统的3 dB带宽为2.2 MHz。若能充分利用钙钛矿发光二极管的宽谱特性及探测器对波长分辨的能力，光子系统的计算速度有望达到Gbit/s。基于所提出的片上光子芯片系统，研究团队构建了具有执行光子模拟及机器视觉任务的光子神经网络来展示系统的多功能计算能力。

对于光子模拟任务，研究团队选择了两个能带定义不明确的拓扑模型，以展示光子神经网络在以较低计算成本执行拓扑态模拟时的学习和适应能力（图2）。首先，研究团队演示了光子神经网络能够计算二维无序Su-Schrieffer-Heeger (SSH)模型中的实空间拓扑不变量，即拓扑不变平均手性位移。通过对具有15输入2输出的局部连接网络进行灵活堆叠和训练，网络展现了准确预测无序SSH模型中拓扑不变量的能力。实验采用从测试数据集中随机选择的24个样本，结果与理论预测一致，证明了网络在实验验证中的准确性和可靠性，展示了光子神经网络在解决复杂无序拓扑问题的潜力。其次，在拓扑模型中引入非线性通常带来提升计算复杂度的重大挑战。在此，研究团队研究了在SSH模型中引入三阶非线性克尔效应以操控系统中光的传播。同样利用先进的网络设计，测试阶段所有时间步长的平均保真度为87%，表明网络在依赖于时间演化的模拟中能保持高平均保真度，展示了光子神经网络在这种非线性拓扑态演化模拟中的能力。通过进一步优化网络架构，可以进一步增强网络对复杂物理体系非线性动态演化过程的处理能力。

对于机器视觉任务（图3），研究团队的目标是验证可扩展的光子神经网络设计在多样化视觉数据集上所具有的泛化能力远超过简单手写数字的基准。为此，研究团队选择了包含各种类别图像的丰富实景RGB图像集合的CIFAR-10数据集作为测试对象，在仅包含95368个可训练参数下，实现了56%的测试准确率。此外，研究团队还深入探讨了单个光子神经网络单元的计算能力，探索其作为基本可训练边界检测器的潜力，实验结果表明在边界检测数据集上的测试准确率超过85%，验证了其有效性。图像分类和边界检测任务在所提出的光子神经网络构型中的演示，证明了其灵活性和在计算机视觉领域广泛应用的潜力。

北京大学物理学院2019级博士生廖琨、浙江大学2021级博士生连亚霄、北京大学物理学院2019级博士研究生喻茂滔、2022级博士研究生杜卓晨、2019级本科生戴天翔为共同第一作者；胡小永、朱瑞、浙江大学狄大卫教授、香港科技大学陈子亭教授为共同通讯作者；上述研究成果得到国家重点研发计划、国家自然科学基金，以及量子物质科学协同创新中心、极端光学协同创新中心等支持。