香港中文大学和中国科学院物理研究所开发超速激光神经元，开启人工智能新纪元
香港，2025年1月3日—在人工智能和先进计算领域，提升计算速度和效率一直是科研人员追求的目标。近日，香港中文大学和中国科学院物理研究所的研究人员宣布，他们成功开发了一种基于激光的人工神经元，这种神经元不仅能够完全模拟生物分级神经元的功能，而且在信号处理速度上达到了惊人的10GBaud，比生物神经元快十亿倍。
一、技术突破：模拟生物神经元，速度提升十亿倍
这种新型激光分级神经元的开发，标志着在模仿生物神经元的动态响应和信息处理方面取得了重大突破。传统的光子脉冲神经元由于其工作原理，存在速度限制，而新型激光神经元通过电注入量子点激光器，成功克服了这一限制。研究人员通过将射频信号注入量子点激光器的可饱和吸收区，避免了传统方法中的延迟问题，实现了更快、更简单、更节能的系统。
二、实际应用：模式识别和序列预测能力显著提升
在实际应用中，这种激光神经元展现了其卓越的性能。研究人员在实验中展示了其在一秒钟内处理1亿次心跳数据和3470万张手写数字图像的能力。此外，激光神经元在心律失常检测和手写数字分类等任务中表现出色，准确率分别达到了98.4%和92.3%。这些成果不仅展示了激光神经元在模式识别和序列预测能力上的显著提升，也为人工智能领域带来了新的可能。
三、未来展望：集成到边缘计算设备，促进更快、更智能的AI系统
黄超然教授表示，这项技术可以在不牺牲准确性的情况下提高时间关键型应用中的人工智能决策速度。她的团队计划将激光神经元集成到边缘计算设备中，以促进更快、更智能的人工智能系统，同时降低能耗。随着多个激光神经元的级联，预计计算能力将得到更大的提升，为人工智能的未来开辟新的道路。
这项突破性的研究发表在Optica杂志上，不仅为光通讯系统提供了智能、节能且高速的信号处理方式，也为新一代光通讯系统的发展提供了强有力的支持。
-
半导体抛光设备自动化应用及工艺质量管控要点探析
在半导体器件规模化量产进程中，抛光工艺作为保障晶圆加工精度与表面质量的核心环节，其设备自动化水平、工艺参数调控能力、检测体系完善度及异常处置效率，直接决定生产效率、工艺稳定性与产品良率。本文从抛光设备自动化配置要求、核心工艺参数调控、关键检测指标界定及常见工艺异常处理四个维度，系统阐述半导体抛光工艺的质量管控核心要点，为半导体抛光制程的标准化、精细化实施提供参考。
2026-02-12
-
硅晶圆激光切割核心技术深度解析：原理、工艺与质量把控
在半导体制造产业链中，硅晶圆切割是芯片成型的关键工序，其加工精度与效率直接影响芯片良品率和产业发展节奏。随着微电子器件向微型化、薄型化升级，传统切割方式的弊端逐渐显现，激光切割凭借高精度、低损伤的技术优势成为行业主流。本文从激光切割系统的硬件构成出发，深入拆解隐形切割与消融切割两大核心工艺，解析光斑、焦点的精度控制逻辑，并探讨切割质量的评价维度与效率平衡策略，系统梳理硅晶圆激光切割的核心技术体系
2026-02-12
-
无掩模激光直写技术研究概述
无掩模激光直写技术作为微纳加工领域的先进光刻技术，摒弃了传统光刻工艺对掩模版的依赖，凭借直接写入的核心特性，在复杂微纳结构制备、高精度图案加工中展现出独特优势，成为微纳加工领域的重要技术方向。本文从工作原理与流程、技术特性、现存挑战、分辨率与对准参数、核心设备及厂务动力配套要求等方面，对该技术进行全面梳理与阐述。
2026-02-12
-
SiC功率器件的高温时代：封装成为行业发展核心瓶颈
在半导体功率器件技术迭代进程中，碳化硅（SiC）凭借高温工作、高电流密度、高频开关的核心优势，成为推动功率半导体升级的关键方向，其普及大幅提升了器件的功率密度与工作效率，为功率半导体行业发展带来全新机遇。但与此同时，行业发展的核心瓶颈正悄然从芯片设计与制造环节，转移至封装层面。当SiC将功率器件的工作温度与功率密度不断推高，芯片本身已具备承受更高应力的能力，而封装环节的材料适配、热路径设计等问题却日益凸显，高温与快速功率循环叠加的工况下，焊料与热路径成为决定SiC功率模块寿命的核心因素，封装技术的发展水平，正成为制约SiC功率器件产业化落地与长期可靠应用的关键。
2026-02-12
