4. 硅光有源器件设计

硅光神经网络计算芯片的“算力”并不只来自无源波导网络，真正决定权重能否被写入、光信号能否被读出、以及片上能否持续供光的是三类有源器件：调制器负责把电学权重/数据编码到光载波上，光电探测器负责把光域计算结果转换为电流并送入读出电路，激光器负责提供稳定、低噪声、功率足够的片上光源。三者构成一条“供光—调制—传输/干涉—探测—读出”的信号链，任何一环的带宽、损耗、噪声或热稳定性不足，都会直接压缩可用的等效矩阵规模与计算精度。

一、调制器：把电学权重写进光域

硅本身是中心对称晶体，缺乏线性电光效应（普克尔斯效应），因此硅光调制器主要依赖载流子色散效应：改变波导中自由载流子浓度，会同时改变折射率实部（相位）与虚部（吸收）。工程上常用三种结构：正向注入 PIN 结（载流子注入，调制效率高但速度受载流子寿命限制，典型带宽约 1–5 GHz）、反向偏置 PN 结（载流子耗尽，速度快，典型带宽 20–50 GHz，是当前主流）、以及 MOS 电容结构（积累型，损耗低但工艺复杂）。

在神经网络中，调制器承担两类角色。其一是权重编码：把训练得到的权重映射为光衰减或相位偏移。若采用马赫-曾德尔调制器（MZM），输出光强为

P_out = P_in · cos²(Δφ/2)
Δφ = (2π/λ) · Δn_eff · L

其中 Δn_eff 由外加电压改变，L 为相移臂长度。示例：取 λ=1550 nm、L=1 mm、Δn_eff=1×10⁻³，则 Δφ≈4.05 rad，对应透过率约 0.36，即实现约 -4.4 dB 的权重衰减。其二是数据输入：把输入特征以高速调制方式加载到光载波上，此时更关注 EO 带宽、消光比（ER）与插入损耗。典型指标要求：ER>5 dB、插损<3 dB、VπL<1.5 V·cm。设计时需在掺杂浓度、结位置与波导损耗之间折中——掺杂越重，Δn_eff 越大、VπL 越小，但自由载流子吸收带来的插损也越大。

二、光电探测器：把光域结果转成电流

硅在 1550 nm 波段几乎不吸收，因此硅基探测器必须引入吸收材料。主流方案是锗（Ge）吸收层：在硅波导上外延 Ge，形成 PIN 或 UTC 结构，Ge 在 1550 nm 的吸收系数约 5000 cm⁻¹，吸收长度约 10–20 μm 即可获得高响应度。典型参数：响应度 0.8–1.0 A/W、暗电流 <100 nA、带宽 30–50 GHz。另一种是硅上 III-V 键合探测器，性能更优但工艺成本高。

在计算链路中，探测器位于干涉/加权网络之后，其输出电流为

I_ph = R · P_opt
P_opt = Σ_i w_i · P_in,i

即电流正比于各路加权光功率之和，天然完成“乘加”中的求和。因此探测器的线性度（饱和功率）、暗电流与响应度一致性，直接决定矩阵运算的动态范围与精度。若探测器在 1 mW 输入下进入饱和，则等效权重和的上限被锁定，需通过降低单路光功率或增加衰减来避免非线性失真。

三、激光器集成：片上供光的三种路线

硅不是直接带隙材料，无法高效发光，因此激光器集成是硅光计算芯片的核心难点。常见方案有三类：

• 外部光源 + 光纤耦合：激光器置于片外，通过光栅耦合器或端面耦合进入芯片。优点是光源性能好、可更换；缺点是耦合损耗（典型 2–4 dB/端）与封装复杂度高，且通道数受限于光纤阵列。
• III-V 键合/异质集成：将 III-V 增益材料键合到硅波导上，通过倏逝波耦合实现片上激光。可做到多波长阵列，但工艺复杂、良率与热管理挑战大。
• 单片外延量子点激光：在硅上直接外延 III-V 量子点，是长期方向，目前仍处于研究阶段。

对神经网络计算而言，激光器的相对强度噪声（RIN）与波长稳定性尤为关键。RIN 会直接叠加到光功率上，等效为权重噪声；波长漂移则会改变 MZM 的工作点与干涉相位。工程上通常要求 RIN < -140 dB/Hz、波长漂移 < 0.1 nm，并配合片上热调相或温度闭环控制。

四、三者在神经网络计算中的协同角色

把三类器件放回计算链路，可以看到明确的分工：激光器提供光载波，其功率决定可用的信噪比预算；调制器把权重与输入写入光域，其精度与线性度决定权重可分辨级数；无源网络完成加权求和；探测器把光功率转成电流，其响应度与暗电流决定读出精度；TIA/ADC 再把电流数字化。整条链路的等效计算精度可近似表示为

SNR_total ≈ (R·P_opt)² / (2e·I_ph·B + RIN·(R·P_opt)²·B + i_n²·B)

其中 B 为带宽，i_n 为 TIA 输入噪声电流。示例：若 P_opt=100 μW、R=0.9 A/W、B=10 GHz、RIN=-145 dB/Hz，则散粒噪声与 RIN 噪声共同决定 SNR 约 30 dB，对应约 5 bit 有效精度。这说明：提高激光功率或降低 RIN，比单纯提高探测器响应度更能改善计算精度。

综上，硅光有源器件设计不是孤立的器件优化，而是围绕“供光—调制—探测—读出”这条信号链做系统级折中。调制器决定权重怎么写，探测器决定结果怎么读，激光器决定整条链路能跑多稳；三者的参数共同界定了硅光神经网络计算芯片的等效矩阵规模、计算精度与能效上限。