黄禹尧： 上海交通大学电子工程系硕士，2017年9月入校，2020年3月毕业。硕士期间从事高速可重构光计算的研究工作，以第一作者身份在光学领域权威期刊IEEE/OSA Optics Express发表论文1篇，并在光通信顶级国际会议OFC上发表会议论文1篇并作口头报告。硕士期间获2019年国家奖学金、2020届上海交通大学优秀毕业生等奖项。毕业后加入华为技术有限公司担任预研工程师，从事高速光电子系统的研究和设计工作。

论文题目《可编程时频交织光子神经网络研究》： 当前，深度学习相关算法正在视觉、语音、自然语言处理等诸多领域引发颠覆性的变革，为我们的生活带来日新月异的改变。与此同时，在数据流量爆炸增长的背景下，深度学习算法必须快速更新迭代才能匹配不断丰富的应用需求。然而，面对庞大的数据集和复杂的算法结构，基于传统冯诺依曼架构的计算硬件在算力和能效方面疲态尽显，使得对新型并行计算架构的探索迫在眉睫。光，以其内在的并行性、超高的带宽优势和强大的可重构能力，为下一代高性能计算提供了天然的媒介。此外，伴随集成光电子技术的飞速发展，片上光计算已经逐渐成为突破电计算芯片性能极限和续写摩尔定律的绝佳选择。论文调研了传统电计算架构在高性能计算领域的发展和瓶颈，并基于波分复用架构，提出了一种新型可重构的光子矩阵乘加单元。该单元通过对多波长连续光进行宽带调制来建立光波的时频映射关系，实现了光信号在时间、波长两个维度的交织调控处理，并结合色散延时原理和时分复用技术完成了高速线性卷积计算的实验演示，运算速率逼近Tera-MACS。同时，论文研究了新型矩阵乘加单元的光电集成方案，提出了基于微环调制器阵列和光电平衡探测器的片上光电混合计算构架。论文首次提出的并行光计算矩阵乘加单元，充分利用了多维度光信号处理技术，在较低的硬件复杂度下实现了大规模高速线性运算及其相关应用，从实验上验证了高精度光子机器学习算法加速器的可行性。