智能微波光波融合创新中心（imLic）始终围绕光电有机融合的基础原理与技术、关键技术和应用技术开展研究，解决光与电之间的高效融合机理与匹配集成方法等核心科学技术问题，突破微纳尺度下有机融合电子精细保真和光子高速宽带优势等关键挑战，持续提升光电融合系统及芯片性能，为未来信息系统赋能。
方向1：光电融合基础原理与技术
面向未来信息系统对大带宽、低时延、抗干扰、强智能的信息处理能力的迫切需求，开展光电融合信号处理理论、先进光电器件设计与研制、先进光源等基础技术研究，构建具有颠覆性的信号处理理论体系，为大规模光电融合信号处理系统提供具有显著性能优势的核心器件支撑。
方向2：光电融合关键技术
紧跟微波光子学、人工智能、光计算、神经拟态光子学等领域前沿学术动态，开展光模数转换、深度学习及其可解释、光神经网络计算、光子神经拟态处理等关键技术研究，实现特色鲜明的光电融合信号处理新方法、新结构，不断突破宽带信号接收、海量数据计算等性能新纪录。
方向3：光电融合应用技术
面向国家重大需求与人民生命健康，发挥光电融合信号处理技术的性能优势，探索先进雷达、先进通信和先进医疗不同场景下的应用方案与特殊设计，助力突破传统电子技术性能瓶颈，实现跨越式发展，服务国家重大战略需求。
代表性结果1
铌酸锂-硅晶圆结构的异质集成电光调制器：imLic中心开展先进光电器件集成研究，聚焦于发挥多材料优势，在不同的材料平台上进行集成。在硅基平台上，研发了硅基以及氮化硅无源器件，实现了规模集成的光子神经网络芯片。在硅基-铌酸锂平台上，克服了铌酸锂刻蚀的缺陷，研发了高紧凑度、高性能的电光调制器。
代表性成果2
光学模数转换技术：imLic中心在光子模数转换技术方向持续耕耘，当前在架构原理创新、关键技术突破、原型样机及芯片、应用效能等方面均已积累丰厚成果。阐明了光子模数转换系统中信号、杂散及噪声的演变规律，指导了光子模数转换系统架构的持续性创新和核心性能的不断提升，突破了模数转换技术领域多维失配校准、跨频段采集、抖动噪声极限等多项瓶颈难题，并率先研制了光子模数转换系统样机与原型芯片，实现了跨频段、超宽带信号的高保真接收与厘米级高分辨雷达成像。
代表性成果3
光学神经网络计算：imLic中心以卷积神经网络模型为对象，提出了两种新型的光学智能计算架构。其中，光学点积核架构解决了如何在光学系统上高效执行卷积计算的问题；光学卷积神经网络架构为实现更高的计算速度、能量效率、算力密度提供了新方案。在理论研究成果的基础上，进一步设计并研制了两款光学神经网络芯片，分别实现了高精度计算与超高速计算能力，在智能医学图像重构与智能视频特征提取和动作识别两项应用上进行了验证。超高速计算芯片的时钟速率达到20GHz，峰值算力密度可以达到2.78 TOP/s/mm2，实现了视频的动态提取、边缘检测等特征提取任务，在KTH视频数据集上的识别正确率达到了97.9%。
代表性成果4
AI赋能微波光子技术：imLic中心利用卷积循环自动编码器（CRAE）赋能光子模数转换系统，实现通道间的延时失配补偿。通过可视化技术以及对网络各模块分析等手段，理解网络行为和各模块功能。结果表明，CRAE网络在RNN层后，失配基本已经去除，另外CNN、RNN和AE结构分别对提取关键特征、提取相关性、压缩和恢复信号起到关键作用。在此可解释基础上，简化CRAE网络，将帧率提升了一倍。利用卷积神经网络（CNN）实现对二维ISAR像的高精度自动目标识别。通过后向可解释技术—泰勒分解给出CNN实现分类的依据，增加目标识别的可信度。从可解释结果来看，CNN依据模型轮廓进行了分类，该自动目标识别结果具有很高的可信度。
代表性成果5
光学神经拟态技术：imLic中心的光学神经拟态技术研究在突触响应、神经元响应、神经元群响应等多处理层次取得突破：第一，阐明了基于载流子累积-弛豫速率差的突触时域积分效应，提出了光子神经拟态时空脉冲模式识别方法，时间尺度可达纳秒量级；第二，分析了光注入激光腔中纳秒尺度的神经元可激发动力学特性，提出了基于该特性的全光模数转换方法，具有可调节的光域阈值，利用输出脉冲个数实现了信号的数字化结果表征；第三，发现了光频梳注入激光腔的分布式响应具有光子神经元群的集体编码效应，提出了基于该效应的光子神经拟态宽带频谱特征感知方法，以130 MHz的微波瞬时带宽实现了跨C、X、Ku波段的频谱感知任务。