片上集成光学神经网络综述（特邀）

光学神经网络是区别于冯·诺依曼计算架构的一种高性能新型计算范式,具有低延时、低功耗、大带宽以及并行信号处理等优势。片上集成是光学神经网络微型化发展的一种典型方式,近年来片上集成光学神经网络获得了学术界及工业界的广泛关注。对基于不同计算单元结构的片上集成光学神经网络的相关研究工作进行了梳理,并分析了其设计原理、实现方法及系统架构特征。同时结合国内外最新研究进展,进一步分析了片上集成光学神经网络在计算单元大规模拓展、可重构、非线性运算和实用化等方面面临的挑战及其未来发展趋势。     

高速和高带宽的光计算

正如光纤技术（它有巨大速度和带宽的优点）在长距离通讯网络方面已基本取代电子通讯技术一样，计算机科学家长期来也在努力研制光学型或光子型电子计算机。光子比电子有重大的潜在优点，它们可以不受影响地互相渗透，可以使用三维器件（这在电子器件方面是很难或不可能实现的），能量效率远高于电子，并且它们始终以光速运动。但研究人员在尝试实现这些潜在优点方面面临巨大挑战，如光计算装置势必很大和很笨重，需作精细调整，不易用现有光刻技术微型化。由于研究人员把注意力集中在系统的基本设计思想上，这些问题刚开始提出，但这些问题…     

面向自旋存内计算架构的图算法优化设计

图计算广泛应用于社交网络分析、推荐系统等诸多关键领域,然而,传统的大规模图计算系统面临冯诺依曼架构下访存带来的性能瓶颈。新型存内计算架构成为加速大规模图计算非常有前景的方案,尤其是非易失自旋磁存储器(MRAM)具备超高耐擦写性和超快写入等优点,可使图计算的存内实现更为高效。实现这种潜力的关键挑战之一是如何优化存内计算架构下的图算法设计。该文的前期工作表明,三角形计数算法和图连通分量计算算法可以通过按位运算实现,从而高效地部署在自旋存内处理核中加速。该文探索了更多图算法的优化实现,例如单源最短路径、K-core、链路预测,并提出了面向新型存内计算架构的图算法优化设计模型。该研究对于突破冯诺依曼架构下大规模图计算的内存访问瓶颈具有关键意义。     

光子神经网络发展与挑战

近年来,以神经网络为代表的人工智能技术正向着高速低功耗的方向快速发展。然而,受限于电子器件的固有极限,传统电子神经网络难以进一步提高功率效率与计算速度。而光子神经网络能够有机地将光电子技术与神经网络模型相结合,提供了突破这一瓶颈的有效手段。为了更好地了解光子神经网络的发展历程,把握当前光子神经网络的研究热点以及展望未来光子神经网络的发展方向,本文对光子前馈、循环以及脉冲神经网络的研究现状进行梳理,以阐释光子神经网络在实时训练、非线性运算、规模化和实用化方面面临的挑战及未来发展的趋势。     

基于边缘计算的物端系统挑战与愿景

针对物端计算系统面临的"昆虫纲悖论"和"数据过于集中"2大生态问题,从计算系统的角度,讨论分析了其在系统架构、应用层协议、资源管理、开发与运行时、计算负载调度5个方面面临的挑战。提出了物端控域计算机设计愿景,即将物端计算系统划分为具有相同或兼容管理策略的控域,并将每个域看作一台分布式计算机,为其设计物端信息总线架构原型。     

基于5G移动网络中边缘计算与计算迁移模型的研究

随着通信技术和移动互联网的高速发展,移动通信已进入了5G时代。但数据的蓬勃发展也让网络面临大带宽、低时延、广连接、高可靠度、高安全性等挑战。面对这些挑战,移动边缘计算(mobile edge computing,MEC)孕育而生了,MEC架构提供了分流、计算、业务感知、计算迁移的能力,并将相应能力下沉至网络边缘。文章首先介绍了边缘计算在5G网络中的基本架构和最新的研究成果。其次,基于MEC平台下的任务迁移是未来必然的发展趋势,分析了MEC环境下任务迁移的过程、算法、优势等。最后提出了目前边缘计算发展所面临的问题及挑战。     

PID技术在城域网中的应用研究

分析了现城域传送网的总体架构、带宽需求、面临的挑战及未来城域传送网建设要素，介绍了光子集成器件（PID）技术，论述了20、12、6波系统汇聚点PID设备配置及核心节点PID设备配置，分析了PID组网特点与优势。     

云边端架构下边缘智能计算关键问题综述：计算优化与计算卸载

近年来,随着入网设备数量与数据体量的急剧增加,以云计算为代表的中心式计算模式的缺点越来越显露出来。边缘计算,即让计算尽量靠近数据源,以减少数据传输时间和网络延迟,作为云计算的补充,已经成为学术界和工业界关注的焦点。该文面向边缘计算中应用较广的实例架构—云边端架构,以及边缘计算的典型应用—边缘智能计算,讨论云边端架构下边缘智能计算的两大关键问题：计算优化和计算卸载。首先分析和梳理了云边端架构下边缘智能计算优化的应用与研究现状。然后讨论了云边端架构下计算卸载的研究思路和现状。最后,总结提出了目前云边端架构下边缘智能计算业务所面临的挑战和未来研究趋势。     

基于雾计算的智能无人机通信系统：架构与关键技术

无人机通信系统具有强视距、易部署等优势，是第六代移动通信系统（6G）的重要组成部分。另一方面，雾计算技术通过将算力部署至网络边缘，能够有效支撑多种新兴智能服务的性能需求。在无人机通信系统中结合雾计算，有望进一步增加容量、降低时延及提升服务质量，但二者如何结合，学界和业界尚未有明确方案。为此，提出了一种基于雾计算的智能无人机通信系统架构，并讨论了支持该架构的理论基础和关键赋能技术，最后展望了基于雾计算的智能无人机通信系统的未来发展方向及挑战。     

用光学方法实现多值神经网络计算

用光学方法实现多值神经网络计算朱伟利，陈岩松（中央民族大学，北京，１０００８１）（中科院物理所，北京，１０００８０）在以Ｈｏｐｌｆｉｅｌｄ神经网络模型为基础的光学神经网络系统中，为了适应某些光学存贮元器件的二元特性，往往必须将多值互连矩阵蜕变为二值二...     

概率计算在通信信号处理系统实现中的应用

概率计算方法是一种数值表征和计算方法;在概率计算法中,传统的基本数值计算可以与数字电路中的基本逻辑门电路建立直接的映射关系。针对现代无线通信系统中数字信号处理单元面临的复杂度、功耗和运算速度等挑战,结合通信信号处理中所呈现的统计特性,概率计算方法为通信系统数字信号处理实现提供了一条新颖的技术路线。在讨论、分析了该技术在通信信号处理系统集成电路实现中应用的可行性和应用桥梁的基础上,介绍了概率计算在信号处理系统中的典型应用,最后分析了该技术在通信信号处理系统中的挑战。     

马尔可夫链蒙特卡罗光子损失玻色采样模拟

光子在制备、传播和探测的过程中产生的损失极大地限制了玻色采样的量子计算优越性。为研究光学网络中光子损失对玻色采样结果的影响,基于Clements模型,通过马尔可夫链蒙特卡罗（MCMC）方法实现了4光子8模式的玻色采样模拟,并通过贝叶斯检验方法,对模拟获取的玻色采样结果和光子源处产生光子损失的玻色采样进行了区分。模拟结果表明,基于引入光子损失的光学网络,利用MCMC方法获取的采样结果均能有效通过贝叶斯检验。当MCMC采样样本之间的跳跃样本数增大,通过检验所需的样本数均逐渐减少并趋于稳定。而随着光学网络规模的增大,MCMC方法需要更大的跳跃样本数以达到快速通过贝叶斯检验的需求。通过MCMC方法成功模拟了光学网络中发生光子损失的玻色采样过程,为考虑误差的玻色采样研究提供了参考。     

“2011中国光学重要成果”入选成果介绍

(排序不分先后)基于测量的关联空间的量子计算采用线性光学器件配合辅助光子,利用单光子探测器进行后选择测量能够实现普适量子计算,它又分为传统的电流式量子计算和基于测量的一次性量子计算。在一次性量子计算中,中国科学技术大学潘建伟院     

一体化光电融合计算发展与挑战

近年来,军事作战领域在陆、海、空、天、电“五维一体”全方位、跨域协同、信息共享的联合作战样式的实现上付出了巨大的努力。在多功能综合一体化技术中,包括雷达、通信、电子战、导航、敌我识别等多种设备面临着共享射频资源和数据处理资源的问题。海量的数据处理要求计算平台具有超高计算速度和超高能效的特点,而传统的电子计算平台受到“存储墙”、集成电路的时钟频率、带宽、时延等影响,计算速度和能效提升受到很大限制。光子平台具有高速、大带宽、低串扰等特性,再结合电子手段灵活性和易调控的优势,构造光电融合的计算可以有效提升计算速度和能效。为了更好的将光电融合计算应用在多功能综合一体化技术中,本文对光电融合计算的研究现状进行梳理,按照目前的四种典型平台展开讨论,包括片上集成相干平台、片上集成非相干平台、基于光纤系统的光电融合计算、空间光学衍射平台,并在计算大规模化、非线性光学计算实现、光电高效融合三个未来的重要发展趋势进行阐述和展望。     

前言北大核心

随着光子技术在光纤通信、微波光子学、激光雷达、量子信息处理等领域的广泛应用,光子和光电子集成的重要性日益突显,成为解决相关应用面临的体积、功耗和成本瓶颈的关键。实际上,早在20世纪60年代就提出了集成光学的概念。受到集成电路(IC)技术的启发,提出了光子集成回路(PIC)和光电集成电路(OEIC)的概念,期望通过集成技术来增强光电子器件的性能,减小体积和功耗,并提高可靠性。然而,相比于集成电路芯片的迅猛发展,光子和光电子集成由于面临材料和工艺等一系列挑战,直到近十余年才实现突破。目前,大规模光子集成技术正在逐渐走向实用化。     

微波光子网络的可重构与智能化（特邀）

高性能的光子模拟处理芯片是微波光子处理系统的核心部件,文章通过优化光波导网络结构,实现了一种超宽带可重构的光子模拟运算芯片,通过配置拓扑网络结构实现了多种运算功能的任意切换以及同种功能的运算阶数可调谐。同时,研究了具有自配置能力的光学矩阵计算芯片,以及用于图像处理的片上光子卷积加速器。最后,对微波光子系统与人工智能的交叉融合进行了展望。     

采用集成光子技术开发硅基集成的可编程滤波器

<正>可编程的光学滤波器在高速光通信、微波光子系统、高精度信号整形机光学计算领域都有广泛的应用,目前美国的Finisar公司、法国的Yenista公司以及日本的Alnair公司都已经推出了自己的商用产品,但这些技术都是采用空间光调制技术,系统体积庞大、功耗较高。人们普遍认为,采用集成光子技术开发硅基集成的可编程滤波器被认为是未来的发展方向。     

一体化信号处理与先进处理架构展望

多功能一体化系统是电子信息技术领域的重要发展方向之一,一体化信号处理是其中的关键技术,对实现各种功能之间资源共享与高效协同具有重大意义,同时也从算法到处理架构提出了新的要求。本文首先对一体化信号处理的研究现状进行了归纳总结,给出一种基于一体化信号的多功能系统模型,指出进一步开发空域资源是当前一体化信号设计的主要研究方向之一,并且给出相关信号处理的典型算法;然后,针对上述算法进行了核心算子提炼,指出该类算法以大规模矩阵运算为主要特征,对处理架构提出高算力、高能效的需求;最后,针对上述算法的核心算子设计了基于存内计算和光子计算的处理架构,由于避免了数据搬移并采用高性能模拟计算模式,因此可以大幅提升算力和能效,为一体化信号处理先进架构设计提供了新的技术途径。     

6G车联网中的通感算融合：现状与挑战

车联网通信-计算融合对满足高可靠低时延的应用需求具有重要意义。面对无人驾驶等新兴智能服务对多极致性能的需求，探究6G车联网中的感知-通信-计算融合体系，打破感知、通信、计算三大资源的独立分治局面，实现资源灵活互通与统筹管理，对智能交通的发展具有重大意义。首先，回顾了车联网中通信、计算技术的发展；然后，针对系统架构和关键技术两个方向对现有车联网通信-计算融合的相关工作进行了回顾和整理；最后，分析了6G车联网中通感算融合的未来应用及挑战，为车联网感知-通信-计算融合方向的研究提供参考。     

前言

<正>随着光子技术在光纤通信、微波光子学、激光雷达、量子信息处理等领域的广泛应用,光子和光电子集成的重要性日益突显,成为解决相关应用面临的体积、功耗和成本瓶颈的关键。实际上,早在20世纪60年代就提出了集成光学的概念。受到集成电路(IC)技术的启发,提出了光子集成回路(PIC)和光电集成电路(OEIC)的概念,期望通过集成技术来增强光电子器件的性能,减小体积和功耗,并提高可靠性。然而,相比于集成电路芯片的迅猛发展,光子和光电子集成由于面临材料和工艺等一系列挑战,直到近十余年才实现突破。目前,大规模光子集成技术正在逐渐走向实用化。