近年來，人工智能與智能感知系統(tǒng)在邊緣計(jì)算、醫(yī)療成像、安全識別等場景中的快速拓展，對底層信息處理硬件提出了前所未有的挑戰(zhàn)。傳統(tǒng)的計(jì)算系統(tǒng)基于馮·諾依曼架構(gòu)，存在感知、存儲、處理與顯示功能分離、數(shù)據(jù)搬運(yùn)頻繁、能耗高等瓶頸。光神經(jīng)網(wǎng)絡(luò)（Optical Neural Networks, ONNs）因具備高速并行處理與低延遲等特性，被視為突破這一瓶頸的潛力技術(shù)。然而，當(dāng)前主流的光計(jì)算體系大多僅聚焦于干涉、衍射或相位調(diào)控等機(jī)制，仍依賴獨(dú)立的電子顯示模塊進(jìn)行結(jié)果輸出，未能實(shí)現(xiàn)真正意義上的計(jì)算-顯示一體化。此外，傳統(tǒng)光學(xué)神經(jīng)計(jì)算通常需通過ADC/DAC模塊完成光電轉(zhuǎn)換，進(jìn)一步提升了系統(tǒng)復(fù)雜度與能耗。

在此背景下，深圳大學(xué)物理與光電工程學(xué)院教授張晗、助理教授魏松瑞課題組與香港大學(xué)、南方科技大學(xué)、鵬城實(shí)驗(yàn)室等單位緊密合作，創(chuàng)新性地提出了一種基于熒光矩陣–向量乘法（Fluorescence Matrix–Vector Multiplication, FMVM）的新型光神經(jīng)計(jì)算架構(gòu)，首次將光致變色材料的可編程性與熒光效應(yīng)的可視輸出能力結(jié)合，在材料層實(shí)現(xiàn)了光學(xué)權(quán)重編程、神經(jīng)計(jì)算與結(jié)果顯示三位一體。相關(guān)研究成果以題為“Fluorescence matrix–vector multiplication: realization of in-memory-display computing”發(fā)表于國際光學(xué)權(quán)威期刊 Optica（2025年7月，第12卷第7期），深圳大學(xué)為第一完成單位和通訊作者單位，魏松瑞及其研究生楊尚程為共同第一作者，張晗教授為通訊作者。

機(jī)制與原理

如圖1所示，本研究所構(gòu)建的FMVM架構(gòu)，基于一種可逆的光致變色體系——spiropyran（SP）/merocyanine（MC）分子對，在紫外與可見光照射下可發(fā)生可控、非揮發(fā)性轉(zhuǎn)變。其中，非熒光態(tài)SP在UV照射下轉(zhuǎn)化為熒光態(tài)MC，而在可見光下可逆恢復(fù)，構(gòu)建出一種具有類記憶效應(yīng)的光學(xué)權(quán)重材料。研究中，團(tuán)隊(duì)將SP分子均勻摻雜至甲基丙烯酸甲酯（MMA）基底中，制備出可精細(xì)控制的熒光響應(yīng)膜。通過數(shù)字光處理（DLP）技術(shù)，將光學(xué)“權(quán)重”圖案（如指紋分類權(quán)值）以特定紫外圖樣照射至薄膜，實(shí)現(xiàn)空間可編程的熒光強(qiáng)度調(diào)控，完成權(quán)重的寫入與重構(gòu)。

在計(jì)算過程中，輸入光信號為紫外圖案，其亮度代表輸入向量，照射在已寫入權(quán)重的SP-MC膜上后發(fā)生熒光發(fā)射，實(shí)現(xiàn)輸入與權(quán)重的乘法操作。輸出的熒光圖案直接對應(yīng)矩陣–向量乘法結(jié)果，并可由相機(jī)記錄或直接用肉眼觀察，從而實(shí)現(xiàn)可見光域的輸出顯現(xiàn)。這種架構(gòu)無需電信號轉(zhuǎn)換器，亦無需傳統(tǒng)顯示設(shè)備，實(shí)現(xiàn)了真正意義上的in-memory-display computing。

材料表征

如圖2, 3所示，圖2是spiropyran（SP）/merocyanine（MC）薄膜在可見光和紫外線照射下的光致變色行為及其可逆性，穩(wěn)定性和分辨率的表征，光致變色效應(yīng)是本工作權(quán)重編程的物理基礎(chǔ)，帶來了高空間分辨率，高權(quán)重精度，可擦寫重復(fù)訓(xùn)練等優(yōu)勢。例如，通過調(diào)節(jié)UV光強(qiáng)與曝光時間，實(shí)現(xiàn)連續(xù)可調(diào)的MC濃度。實(shí)驗(yàn)實(shí)現(xiàn)了5-bit（32級）熒光強(qiáng)度分辨率，并在顯微尺度下實(shí)現(xiàn)了約33 μm的空間寫入精度。熒光發(fā)射響應(yīng)時間<10 ns，帶寬超100 MHz，滿足高速計(jì)算需求。權(quán)重圖案在暗態(tài)下可長期保持穩(wěn)定，經(jīng)歷數(shù)十輪寫入–擦除循環(huán)后仍無明顯退化，具備類存儲功能。圖3進(jìn)一步表征了薄膜的熒光性質(zhì)，展示了薄膜的熒光強(qiáng)度與紫外線輸入以及MC濃度的關(guān)系，體現(xiàn)出可編程，多值，快速響應(yīng)的熒光特性，為熒光神經(jīng)網(wǎng)絡(luò)執(zhí)行推理任務(wù)打下基礎(chǔ)。圖案“蒙娜·麗莎”、“微生物圖譜”等多種復(fù)雜圖樣可由膜輸出，光強(qiáng)均勻，顯示質(zhì)量高，顯示能力與靈活性兼具。

應(yīng)用場景

如圖4所示，基于上述物理基礎(chǔ)搭建了熒光神經(jīng)網(wǎng)絡(luò)，進(jìn)行矩陣矢量乘法運(yùn)算，以此為基礎(chǔ)識別三個不同人的指紋，輸出并顯示對應(yīng)人的名字，同時進(jìn)行了仿真和實(shí)驗(yàn)工作并比較了兩者在權(quán)重和結(jié)果方面的不同，輸出的結(jié)果通過進(jìn)一步的求和和非線性可以得到更加標(biāo)準(zhǔn)的字母顯示。

圖片:getimagev2 (15).jpg

圖1.FMVM的基本原理，包括權(quán)重寫入、輸入投射與熒光輸出過程示意。

圖片:getimagev2 (14).jpg

圖2.SP–MC薄膜的光致變色行為及其可逆性、穩(wěn)定性與分辨率表征。

圖片:getimagev2 (16).jpg

圖3.熒光強(qiáng)度與UV輸入及MC濃度的關(guān)系，展示可編程、多值、快速響應(yīng)的熒光特性。

圖片:getimagev2 (12).jpg

圖4.基于FMVM實(shí)現(xiàn)的指紋識別流程與輸出圖案，驗(yàn)證其計(jì)算與顯示一體化能力。

總結(jié)

本研究首次實(shí)現(xiàn)了光致熒光的神經(jīng)網(wǎng)絡(luò)運(yùn)算功能，構(gòu)建出全新的“感知–記憶–計(jì)算–顯示”一體化光計(jì)算硬件平臺**，為未來的可穿戴設(shè)備、邊緣AI感知系統(tǒng)、自然光信號處理與光學(xué)安全識別提供了可行方案。與傳統(tǒng)ONN體系相比，F(xiàn)MVM具有以下五大優(yōu)勢：

1.零ADC/DAC：全光域處理，無需電信號轉(zhuǎn)換；

2.低功耗：無需持續(xù)能耗維持權(quán)重存儲，適于邊緣場景；

3.并行顯示輸出：熒光圖案可同時顯示多類輸出結(jié)果；

4.非揮發(fā)存儲能力：可寫入/擦除并長期保存；

5.材料拓展性強(qiáng)：可擴(kuò)展至量子點(diǎn)、MOF、碳點(diǎn)等多類熒光材料，實(shí)現(xiàn)多波段熒光響應(yīng)。

本工作得到了國家自然科學(xué)基金，深圳市孔雀計(jì)劃，深圳市科技創(chuàng)新委員會等項(xiàng)目的資助。

相關(guān)鏈接：https://doi.org/10.1364/OPTICA.555491