近日，华中科技大学武汉光电国家研究中心张新亮、董建绩教授团队联合上海交通大学唐豪团队，研制出首款可编程三维光子神经网络芯片。该芯片通过飞秒激光直写技术，在玻璃内部构建三维波导互连网络，并在表面集成微加热器阵列，首次实现了二维图像的直接片上光学处理。基于8层级联8×8阵列的原型芯片，其理论计算吞吐量可达6554 TOPS。相关成果以 Programmable Three-dimensional Photonic Neural Network Chip 为题发表于学术期刊《Nature Communications》。

随着人工智能对算力需求的持续增长，光子神经网络正成为突破电子计算瓶颈的重要方向。然而，现有集成方案普遍面临根本性的架构限制：一方面，平面光子网格面积随输入输出通道数呈二次方增长，严重制约系统拓展能力；另一方面，一维输入接口又迫使二维图像序列化进入芯片，既削弱了空间并行处理优势，又带来了明显的输入输出瓶颈。如何在保持集成芯片紧凑性的同时突破二维平面结构的固有限制，成为光子计算走向实用所亟待解决的关键问题。

针对这一挑战，研究团队提出并验证了一种灯笼形自适应多层光子网络新架构LAMP，如图1所示。该架构利用飞秒激光直写技术，在玻璃基内部构建具有连续耦合特性的三维波导网络，使光信号在传播过程中能够在空间各方向形成高密度的体互连。在此基础上，LAMP采用"混合–调制"层级设计：每一层先通过连续耦合实现全局光场混合，再在展开区域引入热光相移器进行可编程调制，多层级联后构成一个具有系统级可重构能力的三维光学神经网络。

基于上述架构，研究团队制造了一款8层级联的8×8阵列LAMP原型芯片，并在芯片上集成了74个微加热器用于可编程控制。在实验验证中，研究团队完成了两项基准任务：其一，通过片上原位训练实现MNIST手写数字分类，训练准确率达93%、测试准确率达91.7%；其二，利用LAMP的原生二维输出接口完成光学图案生成任务，输出图案与目标图案的余弦相似度超过94%。

该工作为构建可扩展、可编程的三维片上光子神经网络提供了一条切实可行的技术路线。未来，随着器件规模和集成度的进一步提升，这一架构有望在特定智能计算任务中与先进电子加速器形成优势互补，并展现三维光子计算所特有的功能潜力。