Software implementations of brain-inspired computing underlie many important computational tasks, from image processing to speech recognition, artificial intelligence and deep learning applications. Yet, unlike real neural tissue, traditional computing architectures physically separate the core computing functions of memory and processing, making fast, efficient and low-energy computing difficult to achieve. To overcome such limitations, an attractive alternative is to design hardware that mimics neurons and synapses. Such hardware, when connected in networks or neuromorphic systems, processes information in a way more analogous to brains. Here we present an all-optical version of such a neurosynaptic system, capable of supervised and unsupervised learning. We exploit wavelength division multiplexing techniques to implement a scalable circuit architecture for photonic neural networks, successfully demonstrating pattern recognition directly in the optical domain. Such photonic neurosynaptic networks promise access to the high speed and high bandwidth inherent to optical systems, thus enabling the direct processing of optical telecommunication and visual data.

Materials whose optical properties can be reconfigured are crucial for photonic applications such as optical memories. Phase-change materials offer such utility and here recent progress is reviewed. Phase-change materials (PCMs) provide a unique combination of properties. On transformation from the amorphous to crystalline state, their optical properties change drastically. Short optical or electrical pulses can be utilized to switch between these states, making PCMs attractive for photonic applications. We review recent developments in PCMs and evaluate the potential for all-photonic memories. Towards this goal, the progress and existing challenges to realize waveguides with stepwise adjustable transmission are presented. Colour-rendering and nanopixel displays form another interesting application. Finally, nanophotonic applications based on plasmonic nanostructures are introduced. They provide reconfigurable, non-volatile functionality enabling manipulation and control of light. Requirements and perspectives to successfully implement PCMs in emerging areas of photonics are discussed.

With the proliferation of ultra-high-speed mobile networks and internet-connected devices, along with the rise of artificial intelligence, the world is generating exponentially increasing amounts of data - data that needs to be processed in a fast, efficient and smart way. These developments are pushing the limits of existing computing paradigms, and highly parallelized, fast and scalable hardware concepts are becoming progressively more important. Here, we demonstrate a computational specific integrated photonic tensor core - the optical analog of an ASIC-capable of operating at Tera-Multiply-Accumulate per second (TMAC/s) speeds. The photonic core achieves parallelized photonic in-memory computing using phase-change memory arrays and photonic chip-based optical frequency combs (soliton microcombs). The computation is reduced to measuring the optical transmission of reconfigurable and non-resonant passive components and can operate at a bandwidth exceeding 14 GHz, limited only by the speed of the modulators and photodetectors. Given recent advances in hybrid integration of soliton microcombs at microwave line rates, ultra-low loss silicon nitride waveguides, and high speed on-chip detectors and modulators, our approach provides a path towards full CMOS wafer-scale integration of the photonic tensor core. While we focus on convolution processing, more generally our results indicate the major potential of integrated photonics for parallel, fast, and efficient computational hardware in demanding AI applications such as autonomous driving, live video processing, and next generation cloud computing services.

Researchers use phase-change materials to demonstrate an integrated optical memory with 13.4 pJ switching energy. Implementing on-chip non-volatile photonic memories has been a long-term, yet elusive goal. Photonic data storage would dramatically improve performance in existing computing architectures1 by reducing the latencies associated with electrical memories2 and potentially eliminating optoelectronic conversions3. Furthermore, multi-level photonic memories with random access would allow for leveraging even greater computational capability4,5,6. However, photonic memories3,7,8,9,10 have thus far been volatile. Here, we demonstrate a robust, non-volatile, all-photonic memory based on phase-change materials. By using optical near-field effects, we realize bit storage of up to eight levels in a single device that readily switches between intermediate states. Our on-chip memory cells feature single-shot readout and switching energies as low as 13.4 pJ at speeds approaching 1 GHz. We show that individual memory elements can be addressed using a wavelength multiplexing scheme. Our multi-level, multi-bit devices provide a pathway towards eliminating the von Neumann bottleneck and portend a new paradigm in all-photonic memory and non-conventional computing.

Research in photonic computing has flourished due to the proliferation of optoelectronic components on photonic integration platforms. Photonic integrated circuits have enabled ultrafast artificial neural networks, providing a framework for a new class of information processing machines. Algorithms running on such hardware have the potential to address the growing demand for machine learning and artificial intelligence in areas such as medical diagnosis, telecommunications, and high-performance and scientific computing. In parallel, the development of neuromorphic electronics has highlighted challenges in that domain, particularly related to processor latency. Neuromorphic photonics offers sub-nanosecond latencies, providing a complementary opportunity to extend the domain of artificial intelligence. Here, we review recent advances in integrated photonic neuromorphic systems, discuss current and future challenges, and outline the advances in science and technology needed to meet those challenges. Photonics offers an attractive platform for implementing neuromorphic computing due to its low latency, multiplexing capabilities and integrated on-chip technology.

Atmospheric-pressure chemical vapor deposition (CVD) is used to grow monolayer MoS2 two-dimensional crystals at elevated temperatures on silicon substrates with a 300 nm oxide layer. Our CVD reaction is hydrogen free, with the sulfur precursor placed in a furnace separate from the MoO3 precursor to individually control their heating profiles and provide greater flexibility in the growth recipe. We intentionally establish a sharp gradient of MoO3 precursor concentration on the growth substrate to explore its sensitivity to the resultant MoS2 domain growth within a relatively uniform temperature range. We find that the shape of MoS2 domains is highly dependent upon the spatial location on the silicon substrate, with variation from triangular to hexagonal geometries. The shape change of domains is attributed to local changes in the Mo:S ratio of precursors (1:>2, 1:2, and 1:<2) and its influence on the kinetic growth dynamics of edges. These results improve our understanding of the factors that influence the growth of MoS2 domains and their shape evolution.

Here stable colour changes induced by solid-state electrical switching of ultrathin films of a germanium–antimony–telluride alloy are demonstrated, adding to its established uses in data storage; possible applications include flexible and transparent displays. Phase-change materials such as the alloy germanium antimony tellurium (GST) have found wide practical use in optical storage media such as rewritable DVDs. More recently, such materials are also being investigated as candidates for the next generation of electrically operated non-volatile memories. Harish Bhaskaran and colleagues now consider the possibility of combining both optical and electrical control in ultrathin phase-change films. They first demonstrate that stable colour changes can be achieved in thin films of GST and go on to showcase a range of possible applications such as flexible and transparent displays. The work offers a new type of optoelectronic framework, and while still at an early stage, it offers an intriguing promise for technological applications. The development of materials whose refractive index can be optically transformed as desired, such as chalcogenide-based phase-change materials, has revolutionized the media and data storage industries by providing inexpensive, high-speed, portable and reliable platforms able to store vast quantities of data. Phase-change materials switch between two solid states—amorphous and crystalline—in response to a stimulus, such as heat, with an associated change in the physical properties of the material, including optical absorption, electrical conductance and Young’s modulus1,2,3,4,5. The initial applications of these materials (particularly the germanium antimony tellurium alloy Ge2Sb2Te5) exploited the reversible change in their optical properties in rewritable optical data storage technologies6,7. More recently, the change in their electrical conductivity has also been extensively studied in the development of non-volatile phase-change memories4,5. Here we show that by combining the optical and electronic property modulation of such materials, display and data visualization applications that go beyond data storage can be created. Using extremely thin phase-change materials and transparent conductors, we demonstrate electrically induced stable colour changes in both reflective and semi-transparent modes. Further, we show how a pixelated approach can be used in displays on both rigid and flexible films. This optoelectronic framework using low-dimensional phase-change materials has many likely applications, such as ultrafast, entirely solid-state displays with nanometre-scale pixels, semi-transparent ‘smart’ glasses, ‘smart’ contact lenses and artificial retina devices.

An on-chip photonic device mimics the function of synaptic connections between neurons.

Modern computation based on the von Neumann architecture is today a mature cutting-edge science. In the Von Neumann architecture, processing and memory units are implemented as separate blocks interchanging data intensively and continuously. This data transfer is responsible for a large part of the power consumption. The next generation computer technology is expected to solve problems at the exascale with 1018 calculations each second. Even though these future computers will be incredibly powerful, if they are based on von Neumann type architectures, they will consume between 20 and 30 megawatts of power and will not have intrinsic physically built-in capabilities to learn or deal with complex data as our brain does. These needs can be addressed by neuromorphic computing systems which are inspired by the biological concepts of the human brain. This new generation of computers has the potential to be used for the storage and processing of large amounts of digital information with much lower power consumption than conventional processors. Among their potential future applications, an important niche is moving the control from data centers to edge devices. The aim of this Roadmap is to present a snapshot of the present state of neuromorphic technology and provide an opinion on the challenges and opportunities that the future holds in the major areas of neuromorphic technology, namely materials, devices, neuromorphic circuits, neuromorphic algorithms, applications, and ethics. The Roadmap is a collection of perspectives where leading researchers in the neuromorphic community provide their own view about the current state and the future challenges. We hope that this Roadmap will be a useful resource to readers outside this field, for those who are just entering the field, and for those who are well established in the neuromorphic community. https://doi.org/10.1088/2634-4386/ac4a83

Collocated data processing and storage are the norm in biological computing systems such as the mammalian brain. As our ability to create better hardware improves, new computational paradigms are being explored beyond von Neumann architectures. Integrated photonic circuits are an attractive solution for on-chip computing which can leverage the increased speed and bandwidth potential of the optical domain, and importantly, remove the need for electro-optical conversions. Here we show that we can combine integrated optics with collocated data storage and processing to enable all-photonic in-memory computations. By employing nonvolatile photonic elements based on the phase-change material, Ge2Sb2Te5, we achieve direct scalar and matrix-vector multiplication, featuring a novel single-shot Write/Erase and a drift-free process. The output pulse, carrying the information of the light-matter interaction, is the result of the computation. Our all-optical approach is novel, easy to fabricate and operate, and sets the stage for development of entirely photonic computers.