文 章 | Biasi S, Aslan B, Gretter S et al. Programmable directional photonic spiking neuron based on a non-Hermit i an s ilicon m i croresonator. Opto-Electron Sci 5, 260038 (2026).

作 者 ： Stefano Biasi* ? 、 B ülent Aslan ? 、 Stefano Gretter 、 Davide Olivieri 、 Alessandro Foradori、 Riccardo Franchi、 Lorenzo Pavesi

?同等贡献作者；*通信作者

研究背景

在神经形态计算领域，一个长期追求的目标是让人工神经元“像”生物神经元那样工作，借鉴人脑的运作机制：记忆与计算紧密交织，信息通过短脉冲（即“峰电位”）的时序进行传递。传统光子微谐振器虽能模拟脉冲发射、阈值响应和不应期等基本特征，却普遍缺乏方向性——即对正向和反向传播的光信号响应基本对称。而生物神经元具有明确的信号单向传递特性，这种非对称性不仅是信息流向的保障，也能有效阻止有害反馈在神经网络中扩散。

这一局限在光子神经网络中尤为突出：当谐振器响应输入产生脉冲时，由于正反向响应存在固有耦合，不受控的信号可能反向传播至前序节点，造成串扰。可编程方向性技术有望打破这种耦合：光子神经元既能被特定方向的驱动激活，又能在反向驱动下保持静默；其反向信号既可被独立抑制，也可被主动增强。这不仅能减少有害串扰，还能将反向信号转化为调控相邻神经元相互作用的有效资源。然而，如何在单个静态器件中集成可调激发方向、阈值、时序与反馈功能，仍是该领域的一大挑战。

本文亮点

针对上述问题， 来自意大利特伦托大学的Lorenzo Pavesi教授团队提出了一种名为“ DRUM ”（动态可重构统一微谐振器） 的创新器件。该器件由硅基环形波导与两个侧翼波瓣构成 ，每个波瓣集成两组微型加热器（见图1（a） ） 。通过微电流调控加热器 ，环形腔内双向循环光信号的交换方式得以精确操控 ，从而使同一物理元件可在静默、可激发、超敏三种模式间动态切换 ，无需改变几何结构。

图1可编程光子神经元及其网络行为。（a）单个器件——可编程光子神经元。上图：生物神经元通过树突接收刺激，一旦触发，信号沿轴突定向传播。下图：模拟这种定向动力学硅基器件。光进入波导并在微型环内循环，环两侧瓣装有电控加热器。调节加热器电流可控制双向光交换，调整器件响应。“输出”框展示两种模式：无脉冲透射（粉色横条）或转换为周期性脉冲序列（粉色尖峰）。“反向作用”框显示返回输入端的信号，可呈连续光、脉冲光或完全抑制（底部箭头）。下方三图阐释可电调的神经元参数：触发阈值、积分时间和不应期；（b）网络结构——两个互连神经元。上图：突触前神经元连接至突触后神经元。下图：两器件共享波导，实线表示激活侧瓣，虚线为未激活。蓝色与红色箭头指示各环内反向循环光。后侧器件向前侧受控返回信号（红色箭头），控制节点间耦合，模拟生物反向传播信号。底部轨迹示意三种集体行为：兴奋性、抑制性与同步化

实验表明，该器件在正向驱动时可将稳态激光束分解为周期性光脉冲序列，而反向驱动时即使输入功率远超常规阈值，器件仍保持静默。通过调节加热器，研究者不仅能独立控制激发阈值，还能调控脉冲发射前的积分时间以及发射后的不应期——全部基于同一元件。数值模型揭示，这些现象源于硅材料热效应与自由载流子效应的协同作用。

更为关键的是 ，该脉冲主要朝一个方向发射 ，而微弱反向信号可被反射回输入端 ，模拟生物神经元中从轴突回传至胞体与树突的反馈信号 ，且这种反向作用可电控调节。对两个通过共享波导耦合的DRUM的仿真显示， 一个节点反射的信号可触发另一个节点放电 、抑制其振荡 ，或使两者锁定为同步放电状态（图1（b） ） 。这些结果实现了兴奋性、抑制性和同步化突触相互作用的光学模拟 ，且无需在神经元间添加任何额外组件。

该器件采用标准硅基工艺制备 ，利用材料固有非线性 ，无需外部增益 ，为大规模光子集成提供了可行路径。综上 ，通过将多种功能集成于单一可重构组件， DRUM使光子脉冲网络向可扩展、事件驱动的神经形态计算迈出重要一步。

该工作以“Programmable directional photonic spiking neuron based on a non- Hermitian silicon microresonator” 为题发表在 Opto-Electronic Science 2026年第8期。

研究团队简介

Lorenzo Pavesi 教授领导的特伦托大学物理系纳米科学实验室 ， 汇聚了约20名教授 、 研究员、博士后与博士生。该实验室围绕“光在集成光子回路中的新物理与新应用 ”这一核心命题 ，沿四大方向推进研究：

量子光子学 ：利用微谐振器与波导螺旋生成非经典光态（含单光子） ， 服务量子计算与模拟；

非厄米光子学 ：研究损耗与非对称耦合结构 ，探索奇异点、 非线性及非互易机制——本工作即源于此；

神经形态光子学： 以微谐振器阵列构建人工神经网络 ，涵盖储备池计算 、极限学习机及脉冲神经网络；

生物交叉领域 ：开发光敏蛋白-光子回路混合芯片 ，用于大脑发育与记忆研究 ，亦探索新型AI形态。

这些方向共同使集成光子学成为连接量子光学、神经科学与信息处理的跨学科枢纽。

特伦托大学纳米科学实验室成员与学生及访客的合影

本文的两位同等贡献作者Stefano Biasi与Bülent Aslan

长按识别此二维码，直达全文