王兴军教授团队与上海交通大学邹卫文研究团队的合作研究工作—Optical coherent dot-product chip for sophisticated deep learning regression（面向复杂深度学习回归任务的光学点积核芯片）的相关成果近期被Light :Science& Applications期刊接收发表。该工作基于硅基集成方案，提出一种可以时间复用的光学点积核芯片，通过重构可以实现矩阵乘法与卷积的灵活计算。利用AUTOMAP模型（现有最佳的图像重构网络模型）执行了高质量的MRI医学图像重构任务，重构的质量接近了32位计算机的理想水平。该工作对光学神经网络领域的进一步发展以及新应用领域具有广泛的借鉴意义。

北京大学团队负责该光电芯片的设计及流片工作。该芯片突破了阵列化光学器件的相干调控关键技术，成功地实现了实数域计算。借助于新型片上反馈控制算法，大幅提升了光学计算的数值精度。与此前的工作相比，该芯片在数域完整度与数值精度上的突破，使其具备了执行复杂智能任务的能力。

原文链接：https://www.nature.com/articles/s41377-021-00666-8