人工神经网络在现代社会中的机器视觉、智能推荐、语音识别、自动驾驶等领域已经得到了广泛的应用。由于光器件在高带宽、低能耗、低串扰等方面的优势,光学神经网络有潜力成为满足日益增加的各种智能计算需求的全新架构。硅基集成光学平台因为其成本低、可与互补金属氧化物半导体工艺兼容等特点成为了光学神经网络研究的最主要的研究平台之一。作为光学神经网络的重要组成部分,光学非线性激活函数在神经网络中扮演着提高其复杂度以满足各种需求场景的关键作用。而目前所提出的几种方案在高响应速率、低阈值功率与大工作带宽等方面有一定限制,本文主要针对具备大工作带宽和高响应速率的硅基全光光学非线性激活函数开展研究,主要内容包括以下几个方面:（1）详细介绍了目前国内外提出的光学非线性激活函数实现方案,并对这些方案的优缺点作了简单分析。鉴于本文全光非线性激活函数是以定向耦合器为基础,进一步介绍了光波导的基本理论,包括电磁理论基础、平面波导理论和二维光波导理论,最后使用耦合模理论与超模理论解析了定向耦合器的工作原理。（2）提出了基于锗硅非对称定向耦合器的全光非线性激活函数方案,理论仿真得到了实现饱和吸收效应的非线性现象。简要介绍了基于340 nm绝缘体上硅基片的器件制造过程,并实验研究了该器件的静态和动态特性,测得该器件的损耗和阈值功率分别为4.28 d B和5.1 m W,同时具备至少24.8 nm的工作带宽,响应速率达到70 MHz。将其应用于手写数字集分类任务中测试,准确率从91.6%提高到96.8%。（3）提出了CMOS工艺兼容的基于锗硅复合波导的非线性激活函数,在实验上得到了两种不同的非线性函数,分别为类softplus函数和类tanh函数。实验测得损耗为18.28 d B和15.55 d B、响应速率为500 k Hz,相比于理论仿真,性能参数出现了一定的劣化。最后讨论了锗波导厚度、材料质量、掺杂情况对器件的影响,并提出了可能的优化方法。