[發明專利]全光非線性調制的超表面衍射光計算器件及其制備方法

有效

• 申請號: 202310309887.1
• 申請日: 2023-03-27
• 公開（公告）號: CN116027608B
• 公開（公告）日: 2023-07-25
• 發明（設計）人: 王鈺言;孫嘉成;范靜濤;方璐;吳嘉敏;戴瓊海
• 申請（專利權）人: 清華大學
• 主分類號: G02F1/35
• 分類號: G02F1/35;G02F1/355;G02B5/00
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 黃德海

本發明提供全光非線性調制的超表面衍射光計算器件及其制備方法，全光非線性調制的超表面衍射光計算器件包括層疊設置的光學衍射超表面、金屬層、第一絕緣層、非線性二維材料層、第二絕緣層、等離子體激元和保護層，由此，本申請將光學衍射超表面與等離子體激元、非線性二維材料層進行復合，可以實現低功耗和低光學閾值的非線性光學吸收，應用于低功耗衍射光計算器件，可滿足目前人工智能光計算芯片中非線性調制器件的需求。

技術領域

本發明屬于人工智能光計算技術領域，具體涉及全光非線性調制的超表面衍射光計算器件及其制備方法。

背景技術

生物神經網絡啟發下的人工智能深度神經網絡近年來蓬勃發展，使人類社會基于多維海量數據的統計、推斷和預測成為可能。衍射神經網絡利用光的波動傳播特性完成計算，具有集成度高、計算并行度高、計算速度高、計算規模大等優勢。在光學神經網絡的推理計算過程中，其不同光束之間的相干作用、光與物質的相互作用基本都是線性效應，因此其網絡計算功能局限于線性運算。

非線性激活作為生物神經網絡的特質，對于大腦以極低功耗來完成復雜任務至關重要。因此，實現非線性激活層是全光深度神經網絡完成基于復雜函數的復雜任務的必要條件和關鍵基礎。但現有非線性材料的光學非線性系數低、全光非線性器件能耗高、尺寸大、響應速度慢，難以應用。

發明內容

本發明旨在至少在一定程度上改善上述技術問題的至少之一。

為改善上述技術問題，本發明提供一種全光非線性調制的超表面衍射光計算器件，所述全光非線性調制的超表面衍射光計算器件包括光學衍射超表面、金屬層、第一絕緣層、非線性二維材料層、第二絕緣層、等離子體激元和保護層，所述金屬層位于所述光學衍射超表面的一側，所述第一絕緣層位于所述金屬層遠離所述光學衍射超表面的一側，所述非線性二維材料層位于所述第一絕緣層遠離所述金屬層的一側，所述第二絕緣層位于所述非線性二維材料層遠離所述第一絕緣層的一側，所述等離子體激元位于所述第二絕緣層遠離所述非線性二維材料層的一側，所述保護層位于所述等離子體激元遠離所述第二絕緣層的一側。由此，本申請將光學衍射超表面與等離子體激元、非線性二維材料層進行復合，可以增強非線性光學材料的光吸收，實現低功耗和低光學閾值的非線性光學吸收，并應用于低功耗衍射光計算器件，進而實現全光非線性計算函數器件，可以滿足目前人工智能光計算芯片中非線性調制器件的需求。而且，本申請的全光非線性調制器件采用光學衍射超表面與等離子體激元、非線性二維材料層進行復合，利用等離子體激元的共振增強效應，大幅提升了非線性二維材料層的等效全光非線性系數，使其對弱光更加敏感，大幅降低了器件功耗。

根據本發明的實施例，所述光學衍射超表面包括基底層、活性層和平坦層；所述活性層位于所述基底層的一側，所述活性層包括多個陣列排布的活性單元，所述金屬層位于所述平坦層遠離所述基底層的一側；形成所述活性層的材料包括硅、氧化物的任意一種；形成所述平坦層的材料包括二氧化硅。

根據本發明的實施例，所述平坦層滿足以下條件的任意一種：

所述平坦層位于相鄰的所述活性單元之間，所述平坦層的厚度與所述活性單元的厚度相等；

所述平坦層包括第一平坦部分和第二平坦部分，所述第一平坦部分位于相鄰的所述活性單元之間，所述第一平坦部分的厚度與所述活性單元的厚度相等，所述第二平坦部分覆蓋所述第一平坦部分和所述活性單元，所述第二平坦部分的厚度小于等于20nm。

根據本發明的實施例，所述全光非線性調制的超表面衍射光計算器件滿足以下條件的至少之一：所述基底層的厚度為100~250?μm；所述活性層的厚度為100~300?nm；形成所述金屬層的材料包括金、銀的至少一種；所述金屬層的厚度為1~5?nm；形成所述第一絕緣層的材料包括六方氮化硼；所述第一絕緣層的厚度為5~10?nm。