美国国家标准与技术研究院（NIST）的研究人员制作了一种硅芯片，可以精确地将光学信号分布在微型类人脑网格上，展示了神经网络的潜在新设计。

人脑拥有数十亿个神经元（神经细胞），每个神经元与其他神经元有数千个连接。许多计算研究项目旨在通过创建人工神经网络的电路来模拟大脑。但是传统的电子设备，包括半导体电路的电线，往往会阻碍有用神经网络所需的极其复杂的布线。

NIST团队建议使用光而不是电作为信号媒介。神经网络已经在解决复杂问题方面表现出了非凡的力量，包括快速模式识别和数据分析。光的使用将消除由于电荷引起的干扰，并且信号将更快和更远地传播。

“光的优势可以提高神经网络在科学数据分析方面的性能，例如搜索类地行星和量子信息科学，并加速自动驾驶汽车高度直观的控制系统的开发，”NIST物理学家Jeff Chiles说。

传统计算机通过算法或人工编码规则处理信息。相比之下，神经网络依赖于处理元件或神经元之间的连接网络，其可以被训练以识别某些刺激模式。神经或神经形态计算机将由大型复杂的神经网络系统组成。

NIST芯片在一篇新论文中描述，通过垂直堆叠两层光子波导克服了对光信号使用的重大挑战，这些结构将光限制在窄线中以便路由光信号，就像电线路由电信号一样。这种三维（3D）设计实现了复杂的路由方案，这是模拟神经系统所必需的。此外，这种设计可以很容易地扩展到在更复杂的网络需要时包含额外的波导层。

堆叠波导形成具有10个输入或“上游”神经元的三维网格，每个神经元连接到10个输出或“下游”神经元，总共100个接收器。波导制造在硅晶片上，由氮化硅制成，每个波长为800纳米，厚度为400纳米。研究人员创建了自动生成信号路由的软件，神经元之间的连接水平可调。

激光通过光纤导入芯片。目标是按照选定的光强度或功率分布模式将每个输入路由到每个输出组。功率电平表示电路中的连接模式和程度。作者展示了两种控制输出强度的方案：均匀（每个输出接收相同的功率）和“钟形曲线”分布（其中中间神经元接收最多功率，而外围神经元接收较少）。

为了评估结果，研究人员制作了输出信号的图像。所有信号通过显微镜透镜聚焦到半导体传感器上并处理成图像帧。该方法允许以高精度同时分析许多设备。输出高度均匀，误差率低，确保了精确的功率分布。

Chiles表示，“我们在这里做了两件事，我们已经开始使用第三维来实现更多的光学连接，我们开发了一种新的测量技术来快速表征光子系统中的许多器件。当我们开始扩展到大规模光电神经系统时，这两项进步都至关重要。”