研究方向介绍：

  人工智能大模型训练和推理中的数据存储与处理需求急剧上升，而新型光学非易失性存储材料与器件的研发则为提升神经网络算力并降低功耗提供了契机。相变材料光子器件在大数据处理中表现出高时钟频率、大带宽、皮秒级延迟和高能效等优势，使得相变光子材料与器件研究可深度赋能神经形态光计算。我们聚焦光子计算材料与器件研究，深入理解相变材料的键合机制、光学性质与性能调控策略。以新型光学相变材料研发为驱动，主要应用于光波导器件多值存储、神经突触仿生、神经形态计算与光电混合集成技术等方面。具体而言包含以下三个方面：

1.多尺度仿真器件设计

  在多尺度建模仿真研究方面，主要利用两条途径。一条途径是基于 DFT 的结构数据库构建有效的机器学习势函数，然后在器件尺度（包含数百万个原子）进行机器学习驱动的分子动力学（MLMD）模拟。另一条途径是将 DFT 计算得到的物理性质（如光学折射率）带入到有限时域差分、有限元等仿真模型中，并在时域或频域中进行数值模拟。这两种模拟方案都能为实验提供理论指导。图 1总结了以上设计流程，主要包括以下步骤：（1）通过DFT/AIMD构建原子模型；（2）通过DFT进行电子结构和光学性质计算；（3）利用DFT计算获得的光学折射率构建有限时域差分或有限元模型；（4）进行光波导器件模拟并优化器件结构和性能。基于密度泛函理论结合多尺度模拟方法，已系统探索了锗锑硒碲相变合金的原子结构与光学特性 [Journal of Materials Informatics 6, 3 (2026)]。利用分子动力学计算揭示了锑碲合金后退火晶化过程中碲原子有序化程度与光学介电常数的对应关系，通过跨尺度仿真开发了反射型薄膜显示器件和集成光波导相变存储器 [npj Computational Materials 9, 136 (2023)]。

图1. 相变器件的多尺度仿真设计流程。

2.光控相变波导器件研发

  通过相变薄膜与硅基光电子器件的异质集成，可实现片上光信息非易失性存储功能。如图2所示，利用沿波导传输的光与锗锑碲薄膜的倏逝场耦合，可将光信息存储至锗锑碲的相结构中。当处于晶态时，光吸收较强，光信号通过存储单元时发生大幅衰减，输出信号较弱。反之，相变存储单元处于非晶态时，光透射较强，以此实现二进制信息的编码。在波导中施加高强度的光脉冲，能够使相变材料发生结构相变，实现写入或擦除操作。通过控制光脉冲的强度和波形，能够调控相变单元中晶态与非晶态的比例，使波导的输出信号在最低值和最高值之间实现准连续可调，进而实现光信息的多级存储功能 [Materials Today 68, 334–355 (2023); International Journal of Extreme Manufacturing 6, 022001 (2024)]。

图2 基于相变材料的光波导存储器件。

3.光电混合型相变存储器研发

  通过对硅光波导进行离子注入掺杂，可构建电控微加热器，用于波导上铺设的相变薄膜进行高效加热和相变切换。基于此“电控光测”架构，已开发高性能可电控编程的硅光波导相变存储器，获得了大于4比特的电控编程精度、较低的擦除能耗、相对于光控编程切换比提升了10倍，并首次开发了光电融合集成架构下的存内点积光计算存储器阵列（图3），高效结合了电控编程灵活实用性和光计算大算力特性，使得编程计算可同时执行。利用电控器件的大开关比，获得了极低计算误差标准差，实现了基于存内卷积光计算神经网络的图像识别功能和大于87%的图像分类准确性 [Nature Communications 14, 2887 (2023)]。

图3  基于相变材料的光电混合型存内点积计算平台。