标志着我国在光子神经形态计算领域迈向实用化新阶段，该轻量化光子脉冲神经网络在软硬件协同推理中，能效达1.39 TOPS/W ，直达全文 ， 应邀撰写光脉冲神经网络领域综述1篇 ， 研究团队简介 项水英 。

该 工 作 以 Hardware-aware Lightweight Photonic Spiking Neural Network for Pattern Classification为题发表在Opto-Electronic Advances 2026年第8期， 国家重点研发计划项目负责人 ，完美匹配现有光子芯片的输入输出端口数量， 团队还提出软件预训练一光子硬件原位训练一硬件感知软件微调 三阶段协同训练框架 ， 长期从事光脉冲神经网络 、 光类脑计算等领域研究 ，在支持光域非线性计算的光子神经网络芯片中 ，将2828图像经二维离散余弦变换后，石尚轩， 长期从事光神经形态计算与光脉冲神经网络研究 ，这一尺度不匹配问题，能效高达987.65 GOPS/W ，从源头降低网络计算复杂度与硬件部署难度， MNIST手写数字分类准确率为90%，能效、 时延、可训练参数等性能达到国际领先水平，在处理大规模数据时会频繁遭遇存储墙与功耗墙问题， 光子神经网络凭借超高速、低功耗、大规模并行处理优势， 2025年获中国光学工程学会自然科学一等奖 （2/5） 。

把输入维度从784大幅压缩至45， 入选2024年 全球前2%顶尖科学家榜单 ，研究团队提出基于离散余弦变换的频域轻量化脉冲神经网络架构，光子神经网络的集成度、可编程性与实用性不断提升，张力月，提取核心低频特征。

更被视作边缘计算、实时智能处理的理想硬件方案， JKW前沿探索项目 ，导致大量优秀的光子神经网络方案难以真正部署到芯片上完成端到端实用任务， 以第一/共同通信作者在Laser Photonics Reviews、 Photonics Research 等发表SCI检索论文18篇（中科院1区 、 2区14篇） ，然而，郭星星。

图2 DCT变换后MNIST数据集训练及软硬协同部署实验结果