《Neural Networks》：Stochastic Modeling of Microcavity Laser-Based Photonic Reservoir Computing: An Information Processing Capacity Perspective
编辑推荐：
本文提出基于半导体微腔激光器的时间延迟共振计算（TDRC）系统，通过信息处理容量（IPC）量化线性记忆与非线性计算的权衡。实验表明最佳虚拟节点间距为50 ps（匹配激光弛豫周期），保持无理τ/T比例可避免共振退化，系统在Mackey-Glass和Santa Fe任务中性能提升，但噪声限制预测精度。研究为光子神经形态系统设计提供理论框架。
Juncheng Huang | Tao Wang | Kathy Lüdge | Yanan Han | Shuiying Xiang | Yue Hao
中国西安电子科技大学通信工程学院综合服务网络国家重点实验室，710071
摘要
随着对高效时间处理需求的不断增长，冯·诺伊曼架构的局限性日益凸显，这使得光子时延存储计算（TDRC）成为一种有吸引力的替代方案。我们开发了一个基于半导体微腔激光器的TDRC随机建模框架，并利用信息处理能力（IPC）来量化线性存储与非线性计算之间的权衡。系统参数的全面扫描揭示了最佳虚拟节点间距、在合理τ/T比率下的共振退化现象，以及通过自发发射耦合（β）影响的激光器尺寸依赖性性能。虽然减小腔体尺寸最初增强了非线性特性，但噪声最终会降低Mackey-Glass和Santa Fe任务中的预测准确性。本研究将理论指标与硬件设计相结合，为实现实时预测优化了光子神经形态系统。
章节摘录
引言与目标
由人工智能（AI）、自主系统和大数据分析驱动的全球计算需求呈指数级增长，这从根本上暴露了冯·诺伊曼架构的局限性。存储单元与处理单元的物理分离造成了一个关键的“内存墙”瓶颈，严重影响了数据密集型应用的效率（Cheng等人，2021年）。受大脑神经架构启发的神经形态计算提供了一个变革性的替代方案。
TDRC系统架构
所提出的TDRC系统采用了一个具有延迟光学反馈的半导体微腔激光器（图1）。与空间分布的RC架构不同，该系统利用时分复用（TDM）将单个非线性节点映射到Nv个虚拟节点上，通过消除对物理上独立组件的需求大大降低了硬件复杂性（Appeltant等人，2011年）。该系统包括三个核心功能层：输入层、存储层和输出层。
在输入层中，
结果与讨论
图2展示了在不同虚拟节点间距（θ）下设计的TDRC系统的度解析IPC，揭示了θ如何参数化地改变系统的计算层次结构。具体而言，在50皮秒以下（θ < 0.5T′，其中T′约为100皮秒是松弛振荡周期），由于节点间强烈的耦合增强了短期相关性，因此以存储为主的处理方式占主导地位，具有最大的低阶容量（d ≤ 2）。然后在50皮秒的最佳值（θ ≈ 0.5T′）时，
结论
总之，本研究为基于半导体微腔激光器的TDRC提供了一个全面的随机框架，并通过IPC分析为实际设计提供了关键参考。重要发现表明，在选定的延迟时间下，虚拟节点间距θ ≈ 50皮秒能够最佳地平衡线性存储与非线性计算，同时保持非理性的τ/T比率可以防止IPC在整个范围内的共振退化。
CRediT作者贡献声明
Juncheng Huang：撰写原始草稿、可视化、验证、软件开发、方法论、形式分析、数据整理、概念构思。
Tao Wang：撰写与编辑、原始草稿的修订、验证、项目监督、方法论研究、资金筹集、形式分析、数据整理、概念构思。
Kathy Lüdge：撰写原始草稿、验证、资源协调、方法论研究、资金筹集、形式分析，
利益冲突声明
作者声明他们没有已知的财务利益冲突或个人关系可能影响本文所述的工作。
致谢
T.W.感谢中国国家自然科学基金（项目编号62475206和61804036）以及陕西省重点研发计划（项目编号2024GH-ZDXM-42）的支持。K.L.感谢欧盟Horizon 2020计划（项目编号101129904）的支持。
