近日，北京量子信息科學研究院超快光譜學團隊和清華大學合作在室溫條件下成功實現了激子極化激元超快神經態計算，對MNIST數據庫達到了92%以上識別正確率。2025年06月02日，相關結果于以“Ultrafast neuromorphic computing driven by polariton nonlinearities”為題，在線發表在eLight期刊上，并被選為featured article。
 

　　過去十年，人工智能的發展取得了突破性進展。圖像識別、語音理解、自動駕駛等應用的背后，是深度神經網絡在不斷提升。支撐這一切的，是龐大的計算資源和高速芯片的持續堆疊。
 

　　現實中，訓練一個先進的AI模型，往往需要長時間運行數以百計的GPU設備，所需能耗巨大。這類計算依賴傳統電子架構，其本質仍是依次處理信息的邏輯電路，在處理復雜、并行、時變任務時存在天然的效率限制。這讓研究者們開始思考：有沒有可能跳出電子芯片的限制，構建一種全新的、物理層面的“類腦計算”系統？神經形態計算希望模仿大腦的運行機制，在物理結構層面直接實現類神經網絡的并行處理和聯動響應。這不僅意味著更高的效率，也意味著一種根本不同于現有芯片的“新型計算架構”。
 

　　激子極化激元是由半導體中激子與光子強耦合形成的一種準粒子，兼具光子的高速傳輸與激子的非線性相互作用特性。這類準粒子具備天然的并行性、低功耗、超快響應等優勢，被認為是實現神經形態計算的理想候選之一。然而，現有的激子極化激元神經形態計算方案普遍依賴低溫操作和復雜的納米結構加工，不利于實際部署。能否在常溫下實現激子極化激元驅動的神經形態計算，成為推動該方向發展的關鍵問題。
 

　　針對這一挑戰，北京量子信息科學研究院超快光譜學團隊聯合清華大學熊啟華教授團隊構建了一個基于鈣鈦礦微腔的激子極化激元神經形態計算平臺。該團隊不僅對室溫激子極化激元的非線性響應特性進行了全面的測量，還首次展示了無需預設網絡結構條件下的圖像識別任務，準確率達到92%，為全光神經形態計算硬件提供了新的材料方案和實驗思路。

 

　　該平臺的核心結構是一塊平面FAPbBr3鈣鈦礦微腔，非共振激發下能夠實現激子極化激元凝聚。研究團隊利用空間光調制器將MNIST手寫數字圖像編碼為空間調制的激發光場，并投射到微腔樣品上。鈣鈦礦激子極化激元系統在不同輸入下產生各異的發光模式，這些發光圖案作為輸出信號，經過線性回歸處理完成分類判斷。
 

激子極化激元神經形態計算的原理(a)識別流程(b)實驗系統。
 

　　該論文第一作者為清華大學物理系博士生甘雨松和石瑩，通訊作者為北京量子信息科學研究院助理研究員許華文和清華大學物理系教授/北京量子信息科學研究院兼聘研究員熊啟華。該研究得到了國家自然科學基金委、北京量子信息科學研究院等機構的資助與支持。