[論文レビュー] Programmable and nonvolatile computing with composition tuning in thin film lithium niobate

Abhiram Devata, Axel Magaña Ponce+1 more|arXiv (Cornell University)|Feb 10, 2026

Neural Networks and Reservoir Computing被引用数 0

ひとこと要約

この論文は、電気化学的リチウム化を介して薄膜リチウムNiobate (TFLN) に非揮発性のプログラム可能なマトリクス-ベクター積を実現し、組成調整された屈折率と勾配降下で訓練されたマイクロリングおよび Mach-Zehnder デバイスを用いたエネルギー効率の高いフォトニック計算を可能にすることを示している。

ABSTRACT

Matrix-vector multiplications are fundamental operations in artificial intelligence and high-throughput computations, and are executed repeatedly during training and inference. Their high energy cost in electronic processors motivate scalable photonic computing approaches that reduce the energy required per operation. Thin film lithium niobate (TFLN) is a dominant photonic platform due to its large electro-optic effect. However, it lacks nonvolatile index tuning mechanisms, which promise to pave the way for energy-efficient photonic computing. Here, we explore electrochemical lithiation as a route to nonvolatile matrix-vector multiplications in TFLN. The LiNbO3 phase is stable at room temperature over a 2% Li composition window with an associated composition-dependent refractive index. We computationally demonstrate this as a programmable, low-loss approach to perform matrix-vector multiplications by using composition to control matrix weights. We design Mach-Zehnder interferometers to perform image processing tasks under realistic material loss constraints. We also design microring resonators for iterative weight updates, using gradient descent training to program target matrix operations with matrix-vector multiplication accuracy validated at 1.5% average relative error. These demonstrations show a facile route towards nonvolatile photonic computing in TFLN, addressing a critical requirement for energy-efficient photonic matrix operations at scale.

研究の動機と目的

• AI ワークロードにおけるマトリクス-ベクタ multiplication (MVM) のエネルギー効率の良いフォトニック計算を動機づける。
• TFLN における非揮発性の調整機構として電気化学的リチウム化による組成チューニングを導入する。
• フォトニックデバイスの屈折率の組成依存性を介してプログラム可能なウェイトを示す。
• MVM および反復的ウェイト更新のためのデバイスレベル実装（Mach-Zehnder干渉計およびマイクロリング共振器）を示す。

提案手法

• 室温で安定性を維持しつつ 2% の窓内で LiNbO3 の組成を電気化学的リチウム化で調整する。
• 組成依存の屈折率がフォトニック回路でプログラム可能なマトリクスウェイトを可能にするモデルを提案する。
• 実際の材料損失制約下で画像処理タスクを実行するために Mach-Zehnder 干渉計を設計する。
• 勾配降下訓練を用いた反復的ウェイト更新を可能にするようマイクロリング共振器を設計する。
• マトリクス-ベクター積の精度を平均相対誤差 1.5% で検証する。

実験結果

リサーチクエスチョン

• RQ1 室温で薄膜リチウム Niobate に非揮発性で調整可能な屈折率を電気化学的リチウム化は提供できるか。
• RQ2 組成チューニングされた TFLN をどのようにしてフォトニック MVM のプログラム可能なマトリクスウェイトの実装に用いるか。
• RQ3 材料損失制約下で Mach-Zehnder およびマイクロリングベースのフォトニック処理系の性能と精度の限界は何か。
• RQ4 このプラットフォームで目標マトリクス演算のための勾配降下訓練済みプログラミングは実現可能か。

主な発見

• LiNbO3 は室温で 2% の Li 組成窓全体にわたり位相安定性を保つ。
• 組成チューニングは TFLN においてマトリクス-ベクトル乗算を実行するためのプログラム可能で低損失のアプローチを生み出す。
• Mach-Zehnder 干渉計は現実的な材料損失制約内で画像処理タスクを実行できる。
• マイクロリング共振器は勾配降下訓練と整合する反復的ウェイト更新を可能にする。
• 実証されたアプローチはマトリクス-ベクター積の精度を平均相対誤差 1.5% で達成する。