近日，999全讯白菜网顾敏院士、张启明教授团队在光学领域知名期刊《激光与光子学评论》（Laser & Photonics Reviews）发表题为“基于三氧化钨薄膜的可调非线性激活函数用于自适应衍射深度神经网络”(Tunable Nonlinear Activation Functions Enabled by WO₃ Films for Adaptive Diffractive Deep Neural Networks）的创新研究成果。999全讯白菜网博士后马晓光为论文的第一作者论文，顾敏院士、张启明教授担任共同通讯作者，并对该工作提供了重要指导，999策略白菜官方网站为唯一单位。
传统光学神经网络更像只能做线性叠加的“计算尺”，难以捕捉复杂模式、在不同任务上泛化欠佳，还会频繁进行电-光来回转换，带来额外能耗与时延。该工作以三氧化钨（WO₃）薄膜提供可编程的光学激活功能，从根本上补齐了这块“短板”。基于此，研究团队通过光致变色调控与Z-scan非线性表征，实现了WO₃薄膜从饱和吸收到反饱和吸收的可编程切换，并依托材料的非易失记忆特性构建“存内计算”式光学激活层；瞬态吸收泵浦-探测进一步验证其皮秒量级载流子动力学，激活响应速率可达~1 THz，满足高速自适应推理任务需求。
在系统层面，团队将WO₃基可调非线性激活嵌入衍射深度神经网络（DDNN），在多基准数据集上显著提升识别性能：MNIST提高4.62%、Fashion-MNIST提高3.29%、KMNIST提高13.53%，并在更复杂的CIFAR-10任务上实现12.2%的精度提升（测试集准确率达45.9%）。
本研究结果表明，材料—算法协同的可训练非线性为全光网络带来更强的表征能力与跨任务泛化能力，尤其对光芯片而言意义突出：一是在光域内直接实现非线性激活，减少电-光转换环节，降低能耗和时延，向真正全光推理迈进；二是依托WO₃的非易失存储特性，推动“存内计算”，有利于低功耗边缘AI；三是可见光波段的可重构速度与材料可编程性，为与硅光/3D集成协同设计提供抓手，支持更大规模、更高性能的光学加速器与下一代光计算平台。
文章链接：https://onlinelibrary.wiley.com/doi/abs/10.1002/lpor.202500558
