企业官网建设流程全解析

面向高精度光学卷积神经网络的非易失性 Sb₂S₃–ITO 制造后修整
1 开篇导语>>

光学卷积神经网络（光学 CNN）凭借超快运算速度、超低功耗优势，被视作下一代人工智能算力芯片的核心赛道。依托马赫 - 曾德尔干涉仪（MZI）阵列搭建的可编程光子处理器，是当下落地光学神经网络最主流的架构。
光学卷积神经网络（光学 CNN）凭借超快运算速度、超低功耗优势，被视作下一代人工智能算力芯片的核心赛道。依托马赫 - 曾德尔干涉仪（MZI）阵列搭建的可编程光子处理器，是当下落地光学神经网络最主流的架构。
但长久以来，一道工艺难题死死限制着高精度光子 AI 芯片规模化集成：晶圆加工带来的工艺偏差，会不断累积相位误差，导致 MZI 权重映射精准度持续下降；各类传统相位修整方案，又无法兼顾修整精度、CMOS 工艺兼容、生产成本与器件损耗，极大阻碍了光学神经网络走向实用化。

针对这一行业共性瓶颈，大连理工大学曹暾教授课题组另辟蹊径，将非易失性相变材料 Sb₂S₃与 ITO 微加热器结合，研发出一套 CMOS 兼容的芯片制造后相位修整技术，大幅修正干涉仪相位偏差，最终将光学卷积神经网络推理准确率从 87% 提升至 98.2%。
相关研究成果正式刊发于光子学领域顶刊 Laser & Photonics Reviews。

【图 1 插入：集成 Sb₂S₃–ITO 修整单元的光子处理器架构与工作原理示意图】

2 核心原理：焦耳热调控相变结晶，精准补偿 MZI 相位差>>

整套修整系统核心由两大部分构成：相变硫化锑（Sb₂S₃）薄膜、ITO 透明导电微加热器。
研究团队利用电脉冲驱动 ITO 微加热器产生焦耳热，精准调控 Sb₂S₃材料的晶态 - 非晶态可逆转变：
1.改变 Sb₂S₃结晶度，可连续调控材料折射率，以此抵消 MZI 两条光路之间的固有相位偏差；
2.Sb₂S₃属于非易失性相变材料，断电之后相变状态永久保存，无需持续供电维持权重，完美契合光子计算低功耗需求；
3.整套器件结构适配标准 CMOS 代工产线，无需特殊工艺改造，量产适配性极强。
团队通过系统解析 Sb₂S₃结晶动力学规律，搭配优化后的阶梯电脉冲控制策略，搭建起一套可控性极强的多级修整体系。

【图 2 插入：马赫 - 曾德尔干涉仪阵列完整修整过程动态表征图谱】

3 硬核性能参数全方位突破，多项指标达行业优秀水平>>

经过多轮器件制备、调试与测试，这套 Sb₂S₃–ITO 后置修整技术交出了一组亮眼量化指标：
✅ 可实现
64 级连续可调修整状态，档位划分精细；
✅ 相位修整精度高达 (0.6 ± 0.1)%；
✅ 器件端口不平衡度压低至 0.10 dB，光路一致性极佳；
✅ 单个修整单元插入损耗仅 0.42 dB，信号衰减微弱，不会拖累光子芯片整体传输性能。

【图 3 插入：实测样品 1 器件实物显微照片】
为验证方案可靠性，研究人员完成 10 组独立 MZI 器件对照实验：修整前后芯片性能差异显著，所有样品均表现出高度统一的修整效果，充分证实该技术具备出色的工艺稳定性与重复可用性。

【图 4 插入：Sb₂S₃连续修整、多级阶梯修整两组策略对比表征曲线图】

4 热稳定性 + 动力学机理深挖：筑牢器件长期工作基础>>

相变材料的热稳定性、结晶弛豫特性，直接决定光子芯片长期运行寿命。
课题组细致探究了 Sb₂S₃薄膜结晶演化全过程，厘清温度、脉冲时长、电压幅值对相变状态的调控规律，明确了最优工作区间；同时验证了器件在常规工作温度下不易发生状态漂移，抗干扰能力优异。

【图 5 插入：Sb₂S₃修整单元结晶动力学与热稳定性测试结果图】

大批量重复性测试结果显示：多次循环修整、长时间静置后，器件各项光学参数未出现明显退化，这套后置修整方案鲁棒性强，完全可以应用于大规模光子阵列芯片。

【图 6 插入：整套修整工艺稳定性、可重复性批量验证数据图】

5 落地价值：光学 CNN 准确率大幅跃升，赋能可编程光子处理器集成>>

未经过相位修整的 MZI 阵列光学卷积神经网络，受工艺误差干扰，手写数字识别任务推理准确率仅有 87%；
采用 Sb₂S₃–ITO 制造后修整技术校准所有干涉单元相位误差后，网络推理准确率直接提升至98.2%，算力精度实现质的飞跃。

这项工作解决了光子芯片制造工艺误差难以修正的关键痛点：
既不用提升前端晶圆制造昂贵精度来规避偏差，又能低成本、高精度完成芯片出厂后的校准调试，兼顾功耗、损耗、兼容性与扩展性，为下一代大规模可编程光子 AI 处理器提供了可行的标准化解决方案。

6 论文详细信息>>

标准出处引用格式
J. Pang, R. Chen, S. Gao, S. Zhang, T. Cao. Non-Volatile Sb₂S₃–ITO Post-Fabrication Trimming for High-Precision Optical Convolutional Neural Networks[J]. Laser & Photonics Reviews, 2026, e71146.