Многомерные и перенастраиваемые оптические нейроморфные вычисления с использованием полностью фотонных синапсов на основе перовскита

Свет, который учится

Современные компьютеры, на которых работает искусственный интеллект, по-прежнему перекачивают биты между отдельными чипами памяти и процессорами, тратя время и энергию. В этом исследовании предлагается кардинально иной подход: использовать сам свет и для переноса информации, и для выполнения обучения, похожего на мозговое. Авторы создали «полностью фотонный синапс» — крошечный элемент, управляемый светом, который запоминает предыдущие вспышки, — и показали, как большие массивы таких элементов могут распознавать шаблоны и адаптироваться к изменяющимся условиям без перепрошивки аппаратной части.

Пленка, которая меняется от света и воздуха

В основе работы лежит тонкая пленка из перовскитового материала, особенно чувствительного как к свету, так и к воде в воздухе. При облучении ультрафиолетом кристаллическая структура перестраивается, и пленка темнеет, блокируя больше видимого света; когда облучение прекращается и материал поглощает влагу из окружения, он постепенно возвращается в более прозрачное состояние. Это обратимое переключение очень стабильно при многих циклах и длительном хранении месяцами. Поскольку пропускание света через пленку может изменяться от почти прозрачного до сильно затемнённого, у неё есть широкий диапазон для кодирования разных «весов» или сил связей — аналогично изменяемым связям между нейронами в мозге.

Оптические синапсы, которые запоминают

Исследователи рассматривают изменение прозрачности пленки как оптическую память. Последовательные световые импульсы могут временно усиливать реакцию пленки, имитируя кратковременное укрепление реальных синапсов при быстром поступлении сигналов. Меняя число импульсов, их частоту и интенсивность, команда может перевести устройство от кратковременных воспоминаний, которые быстро исчезают, к долговременным, сохраняющимся долго, что напоминает различие между краткосрочной и долгосрочной памятью в мозге. Окружающая влажность действует как ручка управления: более сухой воздух замедляет восстановление материала, продлевая «память» о световом импульсе, тогда как более влажные условия ускоряют забывание.

Чтение множества подсказок из одного устройства

Поскольку отклик пленки зависит сразу от нескольких факторов — мощности света, времени экспозиции и влажности — один и тот же тип синапса естественно несет многомерную информацию об окружающей среде. Команда записывала эволюцию прозрачности пленки во времени при разных условиях и подавала эти временные следы в рекуррентную нейронную сеть, форму искусственного интеллекта, хорошо распознающую паттерны, разворачивающиеся во времени. Хотя вся информация исходила от одного типа оптического сигнала, сеть научилась с идеальной точностью различать интенсивности света, длительности импульсов и уровни влаги, показывая, что эти фотонные синапсы могут служить как богатыми временными сенсорами, так и элементами памяти.

Перенастройка задач только светом

Чтобы продемонстрировать практические вычисления, авторы использовали массивы таких пленок в качестве настраиваемых элементов в дифракционной оптической нейронной сети — системе, где изображения обрабатываются при прохождении через тонкие паттернизированные слои, а не через электронные схемы. Посветив разными программирующими последовательностями света на перовскитные синапсы, они могли установить до 80 различных уровней прозрачности в каждой точке, фактически задавая внутренние параметры сети без каких-либо физических изменений. С одним набором оптических «весов» система классифицировала рукописные цифры; с другим — распознавала предметы одежды из отдельной базы данных. Обе задачи выполнялись на одном и том же оборудовании, просто перенастроенном световыми обновлениями синапсов.

Что это означает для будущих машин

Эта работа показывает, что простая светочувствительная пленка может вести себя как умная, настраиваемая связь в нейронной сети, храня информацию в своей прозрачности и по-разному реагируя в зависимости от недавних сигналов и окружающей среды. Комбинируя множество таких элементов, исследователи создают оптические системы, которые могут чувствовать, запоминать и адаптироваться к новым задачам с высокой скоростью и низким энергопотреблением, без обычных электронных схем. В практическом смысле это шаг к камерам и сенсорам, чьи «глаза» и «мозг» сделаны из одного и того же светового материала, обучающегося непосредственно на поступающем свете и меняющего свое поведение только посредством новых схем освещения.

Цитирование: Zi, J., Sun, J., Yang, B. et al. Multidimensional and reconfigurable optical neuromorphic computing using perovskite-based all-photonic synapses. Commun Mater 7, 92 (2026). https://doi.org/10.1038/s43246-026-01097-x

Ключевые слова: оптические нейроморфные вычисления, перовскитный синапс, полностью фотонная память, перенастраиваемая фотоника, дифракционная нейронная сеть