香港城市大学，发2024年首篇Nature

2024年2月28日，香港城市大学王骋团队（香港城市大学为第一单位）在Nature 在线发表题为“Integrated lithium niobate microwave photonic processing engine”的研究论文，该研究展示了一个基于4英寸晶圆级铌酸锂薄膜平台的集成MWP处理引擎。它可以在互补金属氧化物半导体(CMOS)兼容电压下执行多用途任务，处理带宽高达67 GHz。

实现了超快的模拟计算，即时间积分和微分，采样率高达256千兆/秒，并部署这些功能来展示三个概念验证应用：求解常微分方程，生成超宽带信号和检测图像中的边缘。进一步利用图像边缘检测器实现光子辅助图像分割模型，该模型可以有效地勾勒出医学诊断图像中黑色素瘤病变的边界。超快铌酸锂MWP引擎可以为未来的无线通信、高分辨率雷达和光子人工智能提供紧凑、低延迟和经济高效的解决方案。

无线网络、物联网和基于云的服务的迅速扩展对底层射频系统的电子带宽、处理速度和功耗提出了紧迫的挑战。新兴的人工智能技术也要求超高速、低延迟和低功耗的模拟信号处理和计算，远远超出传统电子集成电路所能提供的能力。微波光子学(MWP)通过使用光学元件来产生、传输和操纵微波信号，为解决这些挑战提供了有效的解决方案。其宽的工作带宽和低损耗特性也允许超高速和远距离信号分析和检测。最近，光子集成技术的激增进一步导致MWP系统的尺寸，重量和功率的显著减小，并增强了鲁棒性和功能，称为集成MWP。令人印象深刻的集成MWP应用演示包括任意射频波形生成，实时延迟波束形成和瞬时频率测量。

尽管取得了巨大的进步，但集成MWP系统在实现芯片级集成、高保真度和低功耗的超高速模拟信号处理任务方面仍然面临着巨大的挑战。满足这些需求的理想光子平台应该支持具有低驱动电压、宽带宽和高线性度的电光调制器，以忠实地将微波信号转换为光信号，以及一个多功能的低损耗功能工具箱，用于在光域进一步处理转换后的信号。迄今为止，由于其低成本、大规模制造就绪性和功能器件的广泛可用性，大多数MWP应用已经在硅光子学中得到了证明。

然而，硅中基于自由载波的调制机制本质上伴随着非线性电光响应、大载波吸收损耗、有限的响应速度和令人不满意的功率处理，导致在硅MWP系统中可以实现的信号保真度、功耗、工作带宽和信噪比之间的关键权衡。磷化铟(InP)是MWP系统的另一个有吸引力的平台，因为它具有在同一芯片上集成有源和无源光子元件的潜力。然而，InP波导中相对较大的传播损耗和较小的折射率对比，再加上良率问题，极大地限制了未来大规模MWP系统信号处理部分的性能和功能。尽管氮化硅(SiN)具有超低传播损耗和高功率处理能力，是一种优秀的MWP平台，但缺乏二阶非线性，阻碍了在单片SiN平台上实现高速电光调制器。

基于晶圆级LN的MWP信号处理引擎及其构建模块（图源自Nature ）

该研究开发了一种4英寸晶圆级LN平台的高保真、宽带和低功耗MWP系统。该系统具有多用途的计算功能，包括一阶和二阶时间积分和微分，处理速度高达每秒256千兆样本(GSa s⁻¹)。与其他片上和片外MWP平台相比，基于LN的MWP系统在操作带宽、处理速度和能耗方面具有显著和全面的性能优势。因此，它可能是未来通用模拟信号处理和计算任务的高效和经济的引擎。通过在处理模块上配备热光或电光调谐部分，可以进一步增强基于LN的片上MWP信号处理系统的可重构性和可编程性，从而允许在处理功能之间进行实时切换，并为面向任务的应用主动调整处理带宽。

论文信息：

https://www.nature.com/articles/s41586-024-07078-9