电脑的下一块CPU,何必是固体？

概要

对光与物质之间相互作用机制的深刻研究,不仅有助于提升人类对于基础物理的认知水平,还能够促进先进光学平台中新型器件功能的实现.近日,来自加州大学的研究团队,通过对光与液体非线性作用的深入研究,设计并实现了具有记忆功能的光流体元件,进而验证了将液态薄膜作为光学存储器的可能性.

当波澜不惊的海面,突然出现几百甚至上千米的巨浪时,会对海洋航行中的船只及人员安全造成严重威胁,由此引起的离岸流也经常威胁着海边作业人员的财产及生命安全,这就是海洋中破坏力极强的"怪波"."怪波"作为水手间的传说已经存在很久了,但在过去几十年研究人员才逐渐找到隐藏在其背后的原因——液体的非线性动力学行为.由于液体无固定形状,但有一定体积,且存在流动性,这使得液体的非线性动力学行为变得难以预测,因此,针对液体非线性动力学行为预测的研究,一直是非线性科学领域中的一个热点问题.

由于液体非线性动力学行为预测具有计算复杂、数据量大的特点,因此传统的数值模拟方式存在一定的局限性.近年来,受人脑结构和动力学行为的启发,神经形态计算（Neuromorphic Computing）被提出并逐渐发展了起来,以往基于冯-诺伊曼结构体系计算机难以完成的并发型复杂任务,能够在神经形态计算的模式下得到有效解决,这也使研究人员有了开发基于递归神经网络新型非常规数据处理方案的新思路,该方案对于液体的非线性动力学行为预测及其他现代智能化的技术应用而言,有着至关重要的作用.

近期,来自加州大学圣地亚哥分校的研究人员,设计并制备了一种基于集成光子学平台的光流体元件（Optofluidic Components）,并利用该元件搭建了实验设备,研究人员在这台设备上通过神经形态计算成功实现了对多场景物理效应的预测.光流体元件记忆效应的实现,主要依赖于热毛细管驱动下波导和光学介电液体薄膜形变之间的相互作用；这种耦合方式在单通道波导中引入了大量的自诱导相位变化和透射率变化,同时也加强了相邻波导之间的非局部互动.实验中,研究人员利用自诱导效应和液态薄膜固有的有限弛豫时间,以数字及模拟信号处理的实际任务,验证了受光驱动的光流体元件作为一个储能计算机元件的可能性；其中气液界面既是一个非线性执行器,又是一个光学记忆元件.相关工作以"Thin liquid film as an optical nonlinear-nonlocal medium and memory element in integrated optofluidic reservoir computer"为题发表在Advanced Photonics 2022年第4期.

光流体系统,实现对光场信息的记录和读取

通常情况下,液体的光学吸收能力较差,在微米或纳米尺度上与入射光不会发生显著的相互作用,但却会对光场的调控表现出显著的非线性响应.为了实现显著的光-液相互作用效果,研究人员使用了如图1(a)所示,带有纳米级金贴片（Gold Patch）的硅波导（Silicon/Silica）结构,其中金贴片作为光加热器使用,同时波导上覆盖一层液体薄膜.液体在金贴片加热过程中逐渐消散,在此过程中,液体表面的几何形状会随表面张力梯度的变化而改变,这反过来又会诱发液体薄膜光学模式的相位和强度变化.

换句话说,波导中的光会影响液体表面的几何形状,而液体薄膜形状的变化会影响波导中光学模式的特性,从而形成了光学模式和液体薄膜之间的双向耦合.重要的是,在液体形变过程中,其光学模式显示出较为明显的非线性响应特性；当光场调控作用停止后,我们能够通过液体薄膜的形变程度反推得到光场的相关信息,从而使得液体薄膜充分表现出光学存储器的效果,实现对光场信息（即模拟信号）的记录和读取.

图1 a）集成光流体系统中的关键部件示意图；b）光-液相互作用的基本机制和用于RC（Reservoir Computing ）的存储器.

该实验过程涉及大量的模拟计算,研究人员通过基于有限元仿真软件COMSOL对光传播、流动动力学、热传输和表面张力效应之间的复杂耦合关系进行了仿真模拟.仿真结果如图2所示,该图像展示了多物理场数值模拟的结果：在一个覆盖着液体薄膜的有源光波导中,存在因自诱导光学相变产生的反馈.光场参数会影响液体几何形状的模拟结果,液体薄膜几何特征的改变反过来又会影响光场在液体中的反射和传输特性,从而构成了双向的光-液体反馈机制.液态薄膜作为一个光学存储器,其形变程度能够衡量光场强度大小的同时,其自身具备的流体动力学特性,也可以对同一执行区域的后续光脉冲产生影响,从而形成了性能全面超越冯-诺依曼体系结构的全新计算架构.

图2 液体薄膜覆盖下的光波导的多物理场数值模拟结果

此外,研究人员还在该集成光流体系统中实现了非局域效应（Nonlocal Effect）、通道布拉格波导中的自诱导透射和反射效应（如图3所示）以及存储计算的数字和模拟任务的演示实验.值得注意的是,通过采用自诱导相变（非线性）或者自诱导耦合变化（非局部）效应,研究人员实现了XOR逻辑运算（XOR Logical Operation）中的RC计算.图4展示了基于集成光流体系统的RC逻辑运算,即该系统能够实现28×28像素点阵下手写数字0和1图片的运算识别和信息数字化提取.

图3 多场景模拟结果：自诱导透射和反射效应

图4 RC逻辑运算展示-对手写图片0和1的数字化信息提取

展望

集成了光流体的先进光学计算系统与传统的计算系统不同,其非线性响应模块和存储器位于同一空间区域,该布局构成了一个紧凑的超冯-诺依曼结构.在这项工作中,研究人员展示了基于光流体的存储器和非线性系统对RC计算的助力作用,使其顺利地执行了数字和模拟信号处理的任务（如非线性逻辑门和手写图像识别）.此外,作者还采用了另一个具有标志意义的液体特征—非局域性,来预测光流体元件对于计算系统计算性能的增强程度,而该特性在固体材料平台上是不可能实现的,因为固体材料的非局域性空间尺度通常都比较有限.

这项工作通过多物理场模拟,研究光、液体、热传输和表面张力效应之间的耦合,来预测一系列新的非线性和非局部光学效应,并进一步指出了利用这些效应实现能够执行多功能计算任务先进平台的设计方案.值得一提的是,该工作通过采用成熟的硅光子学平台对元件进行集成,将计算系统所占的空间缩小了约五个数量级而使其计算速度提高了至少两个数量级.这项设计为未来的实验提供了坚实的算力保障,除了能够更好地对理论计算的结果进行仿真验证,同时基于该平台,研究工作者也可以进一步探索发生在液态环境下多物理场的复杂耦合机制.