科学家研发硅光多材料异质集成技术，有望用于计算和通信等领域

近年来，光学系统芯片化因其潜在的万亿美元市场规模而备受关注。

光子芯片在通信、医疗、自动驾驶、精密测量等诸多领域展现出广阔的前景，但其在材料集成制造方面仍面临重大挑战，这些挑战限制了光子芯片的发展和广泛应用。

目前，微电子技术主要依赖于硅材料和互补金属氧化物半导体（CMOS，Complementary Metal Oxide Semiconductor）工艺，来实现大规模生产。

然而，制造高性能的系统级光子芯片需要在同一芯片上集成多种不同的材料，这超出了现有半导体工艺的能力。

北京大学助理教授常林的主要研究方向为光子芯片的集成和在未来信息系统中的应用。近年来，他在集成光源方向取得一系列重要成果，研发了新一代的多材料体系工艺。

常林将三五族半导体、铌酸锂、氮化硅等多种材料与硅基平台进行多材料、跨尺度集成，不仅开发了半导体制造领域中材料种类最为丰富的制造工艺，还攻克了芯片化光源相干性差、并行度低的难题。

此外，他通过激光器与高 Q 微腔的集成，成功实现了具有超低噪声的片上激光器和光频梳。

在加入北京大学后，常林带领团队快速实现了国内集成光学的重大突破。利用他完成的光频梳驱动的集成光子芯片，实现了速度高达 60T 的芯片级光输入/输出（I/O，Input/Output）互联，并将相关技术应用在激光雷达、光计算等领域。

凭借开发世界领先的光子芯片多材料集成技术，实现异质集成硅光芯片晶圆级别的大规模量产，为突破光子芯片在计算、通信、传感方面的性能瓶颈提供解决方案，常林成为 2023 年度《麻省理工科技评论》“35 岁以下科技创新 35 人”中国入选者之一。

将单片可集成材料数量提升到 4 种以上

常林在美国加州大学圣巴巴拉分校获得博士学位。博士毕业后，他继续在该校从事光子芯片器件方向的博士后研究。

在提升光子芯片性能方面，需要通过集成更多材料来实现。但解决该问题面临巨大的挑战，因为不同材料之间在特性、加工条件、兼容性等方面存在一系列问题。

常林及其团队开发了一种创新的异质集成技术，该技术建立在晶圆键合基础上，将单片可集成的材料的数量提升到了 4 种以上 [1，2]。

在低损耗材料的应用上，常林利用氮化硅材料，以基于其低损耗的特性允许集成更多器件，实现更大规模的集成。同时，在光信息加载方面，他们采用了具有高速调制能力的铌酸锂材料，这种材料比硅能实现更快的调制速度。

通过这些方案极大地提升了芯片的功能，并将其适用的应用范围极大扩展。相关研究不仅突破了传统集成光学技术仅限于单一材料体系的限制，也为集成光学领域带来了新的发展方向。

基于该平台，常林提出了新的片上光源结构，通过不同材料间的自注入锁定机制，实现了微腔光频梳 [3-5] 和超窄线宽的集成激光器 [6]，大幅度降低了光芯片光源的噪声，并提升了并行度。

此外，他还完成了多材料平台工艺研发和基于该平台的器件制备，通过研发多材料集成技术，突破了光子芯片信息处理速度的性能瓶颈，实现了超大规模并行化的光子芯片系统。

将光芯片信息处理效率提升 100 倍以上

光信号因其具有极大的带宽优势，能够使单个信道能够处理的数据速度远超电信号。

然而，由于缺乏有效的并行化操作能力，尤其是在核心器件光源方面的限制，现有的片上集成技术尚未充分发挥光信号的这一优势。

2021 年，常林加入北京大学并成立独立课题组后，致力于利用光芯片提升信息技术领域中片上信息系统的处理速度。

他与合作者基于多材料集成光子芯片平台技术，率先实现了片上大规模并行的光子芯片系统。

在数据中心光模块 [7] 中，以光频梳作为多信道光源取代传统的激光器，将光模块的信道数从目前主流方案的 4 个提升至 20 个，实现了 2T 的总速率，比过去水平提高了 5 倍以上。

常林表示：“这项工作的核心创新点在于，从根本上改变了传统片上光集成的架构，从单一的信息处理方式转变为并行化处理。该技术有望为未来通信、高性能计算以及激光雷达等领域带来一系列变革。”

他们不仅实现了大规模的硅光并行的光模块和 5G/6G 滤波器，性能还打破了世界纪录。据悉，这是该领域在国内首篇发表于Nature正刊的工作。

在激光雷达应用中，常林团队与合作者创新地提出了一种并行方案，与传统方案使用单一波长逐点测量相比，该方案能够同时扫描成百上千个点，极大提高了扫描速度。

但是，这种并行多信道能力在自动驾驶领域，当每辆车部署多个激光雷达时，可能会遇到相互干扰的问题，即一个激光雷达探测的信号可能受到其他激光雷达发射信号的影响。

为解决该问题，研究人员提出一种并行混沌的新机制 [8]，不仅极大提升了点云扫描的速率，同时也增强了系统对外界干扰免疫力。

常林解释说道：“光频梳产生的混沌状态能同时产生众多信道，这意味着每个信道发出的光只与本信道相关，而与其他信道无关。”

在激光雷达探测中，通过测量相关性，研究人员可以轻松地区分出哪些光信号是本信道发出的、哪些是无关的，从而完全避免了激光雷达之间的相互干扰问题。

该研究为未来激光雷达在车辆上的大规模、高密度部署提供了核心的探测技术，解决了在高密度部署下避免潜在干扰的问题，并为自动驾驶提供了一种有效的解决方案。

此外，常林团队与合作者还进行了光子芯片并行计算的研究 [9,10]，并成功开发了一款专为卷积神经网络设计的全光子芯片处理器，其达到了 1TOPS mm-2 的算力密度，为未来光计算的大规模量产和普及提供了一个可能的解决方案。

为后摩尔时代提供关键解决方案

光芯片技术在多个领域展现出广泛的应用前景。例如，在量子计算中，光量子芯片化有望实现便携式量子计算机，而无需超低温环境即可运行。此外，光计算领域利用光直接进行矩阵运算，能够加速 AI 计算中的能耗部分，成为后摩尔时代的关键解决方案。

在集成原子钟方面，光芯片技术能够在微型化尺寸上集成高精度原子钟，应用于卫星、基站等场景，从而提高无线通信效率和导航精准度。

同时，还可以将原子钟集成至车辆中实现自主导航功能，这对自动驾驶和无人机等领域具有重要价值。

除了在基础研究方面的创新和突破，近年来，常林还积极推动多材料光子芯片晶圆级别的量产和相关技术的应用落地，包括化合物半导体、铌酸锂和氮化硅等。同时，他也与多家光子芯片企业进行合作，并实现了核心工艺技术国产化。

在光子芯片的损耗方面，常林课题组相较于传统的硅光技术，将其低了 2 个数量级以上，使得在一个系统中可以集成相对于过去数量多成百上千倍的器件，实现微腔光频梳、纠缠态光量子源等一系列集成光子器件。

光芯片目前面临强烈的市场需求，特别是在光模块带宽方面，市场期望其每两年翻一番，这一需求在 AI 技术的推动下尤为迫切。

光子芯片技术作为结合光与电的创新，预示着下一个产业革命的到来。在“后摩尔”时代，这种技术有望突破现有算力的瓶颈，成为加速人工智能变革的关键。

近期，常林团队实现了速度达到 60T 以上的芯片间光 I/O。

“这对于未来图形处理器（ GPU，Graphics Processing Unit）之间的高速互联，以及解决传统芯片上带宽限制的问题，提供了极大的帮助。我们希望用世界领先的异质集成硅光技术，发展下一代的高速通信、高性能计算和自动驾驶传感。”常林说。

他和团队的目标是通过其开发的光子芯片技术，为半导体产业带来全新的解决方案，助力推动下一代科技革命的发展，并尽快实现异质集成硅光技术在多种应用场景中的广泛应用。

常林认为，高性能的芯片间光互联和超越传统计算机架构的光电融合计算新模式，有望成为该领域的下一个爆发点。

他希望通过与众多同行的努力，将光子芯片做成和目前电子芯片体量相当的规模，从而颠覆现有的半导体产业格局。常林表示：“我们有望在 5 至 10 年之内，见证光芯片产品的落地。”

参考资料：

1.Minh A. Tran†, Chong Zhang†, Theodore J. Morin†, Lin Chang*, Sabyasachi Barik, Zhiquan Yuan, Woonghee Lee, Glenn Kim, Aditya Malik, Zeyu Zhang, Joel Guo, Heming Wang, Boqiang Shen, Lue Wu, Kerry Vahala, John E. Bowers, Hyundai Park & Tin Komljenovic*,“Microcombdriven silicon photonic system”,Nature, 610,7930, (2022)

2.Lin Chang†, Weiqiang Xie†*, Haowen Shu†, Qi-Fan Yang, Boqiang Shen, Andreas Boes, Jon D Peters, Warren Jin, Chao Xiang, Songtao Liu, Gregory Moille, Su-Peng Yu, Xingjun Wang, Kartik Srinivasan, Scott B Papp, Kerry Vahala, John E Bowers*,“Ultra-efficient frequency comb generation in AlGaAs-on-insulator microresonators”,Nature communications, 11, 1131, 1-8, (2020)

3.Boqiang Shen†, Lin Chang†*, Junqiu Liu†, Heming Wang†, Qi-Fan Yang†, Chao Xiang, Rui Ning Wang, Jijun He, Tianyi Liu, Weiqiang Xie, Joel Guo, Dave Kinghorn, Lue Wu, Qing-Xin Ji, Tobias J Kippenberg*, Kerry Vahala*, John E Bowers,“Integrated turnkey soliton microcombs”,Nature, 582, 7812, (2020)

4. Andreas Boes†*, Lin Chang†*, Carsten Langrock, Mengjie Yu, Mian Zhang, Qiang Lin, Marko Loncˇar,Martin Fejer, John Bowers, Arnan Mitchell,“Lithium niobate photonics: Unlocking the electromagnetic spectrum”,Science, 379, 6627, (2023)

5. Lin Chang*, Songtao Liu, John E Bowers*,“Integrated optical frequency combs”,Nature Photonics, 16, 2, (2022)

6.Warren Jin† Qi-Fan Yang†, Lin Chang†, Boqiang Shen†, Heming Wang†, Mark A. Leal, Lue Wu, Maodong Gao, Avi Feshali, Mario Paniccia, Kerry Vahala*, John E Bowers*,“Hertz-linewidth semiconductor lasers using CMOS-ready ultra-high-Q microresonators”,Nature Photonics,5,5, (2021)

7.Haowen Shu†, Lin Chang†, Yuansheng Tao†, Bitao Shen†, Weiqiang Xie, Ming Jin, Andrew Netherton, Zihan Tao, Xuguang Zhang, Ruixuan Chen, Bowen Bai, Jun Qin, Shaohua Yu, Xingjun Wang*, John E Bowers*,“Microcomb-driven silicon photonic system”,Nature, 605, 7910, (2022)

8.Ruixuan Chen†, Haowen Shu†, Bitao Shen†, Lin Chang†*, Weiqiang Xie, Wenchao Liao, Zihan Tao, John E. Bowers* & Xingjun Wang*,“Breaking the temporal and frequency congestion of LiDAR by parallel chaos”,Nature Photonics, 17, 306-314, (2023)

9. Bowen Bai†, Qipeng Yang†, Haowen Shu†, Lin Chang†*, Fenghe Yang, Bitao Shen, Zihan Tao, Jing Wang, Shaofu Xu, Weiqiang Xie, Weiwen Zou, Weiwei Hu, John E. Bowers* & Xingjun Wang*,“Ultra-efficient frequency comb generation in AlGaAs-on-insulator microresonators”,Nature Communications, 11, 1131, 1-8, (2023)

10. Bitao Shen†, Haowen Shu†*, Weiqiang Xie, Ruixuan Chen, Zhi Liu, Zhangfeng Ge, Xuguang Zhang, Yimeng Wang, Yunhao Zhang, Buwen Cheng, Shaohua Yu, Lin Chang*, Xingjun Wang*,“Ultra-efficient frequency comb generation in AlGaAs-on-insulator microresonators”,Nature Communications, 4590, 1-8, (2023)

排版：何晨龙、刘雅坤