突破性光学处理器：让AI以光速进行计算

转向光来加速计算

研究人员现在正将目光投向光作为解决方案。光学计算——使用光而非电力来处理复杂计算——提供了一种大幅提高速度和效率的方法。一种很有前途的方法涉及光学衍射算子，这是一种薄的板状结构，在光线穿过时执行数学运算。这些系统可以低能耗地同时处理许多信号。然而，在高于 10 GHz 的速度下，维持此类计算所需的稳定、相干光一直被证明极其困难。

为了克服这一挑战，由中国清华大学的陈宏伟教授领导的团队开发了一种开创性的设备，称为光学特征提取引擎 (OFE²)。他们的工作发表在《Advanced Photonics Nexus》上，展示了一种新的高速光学特征提取方法，适用于多种现实世界的应用。

OFE² 如何准备和处理数据

OFE² 的一项关键进步在于其创新的数据准备模块。在不损失相位稳定性（phase stability）的情况下，向核心光学组件提供快速、并行的光信号是该领域最棘手的问题之一。基于光纤的系统在分割和延迟光束时通常会引入不必要的相位波动。清华团队通过设计一个完全集成在芯片上的系统，配备了可调节的功率分配器和精确的延迟线，解决了这个问题。该设置将串行数据转换为多个同步的光学通道。此外，集成的相位阵列使得 OFE² 可以轻松地为不同的计算任务进行重新配置。

数据准备好后，光信号会穿过执行特征提取的衍射算子。这个过程类似于矩阵-向量乘法，光波相互作用，在特定的输出点形成聚焦的“亮点”。通过微调输入光的相位，可以将这些光点导向选定的输出端口，从而使 OFE² 能够捕获输入数据随时间变化的细微变化。

创纪录的光学性能

OFE² 以令人瞩目的 12.5 GHz 运行，在短短 250.5 皮秒内完成了一次矩阵-向量乘法——这是此类光学计算已知的最快结果。陈教授表示：“我们坚信这项工作为集成光学衍射计算的进一步发展设定了重要的基准，使其在实际应用中能超过 10 GHz 的速率。”

研究团队在多个领域测试了 OFE²。在图像处理中，它成功地从视觉数据中提取了边缘特征，创建了配对的“浮雕和雕刻”图谱，从而提高了图像分类的准确性，并提升了识别 CT 扫描中器官等任务的准确性。使用 OFE² 的系统比标准 AI 模型需要更少的电子参数，证明了光学预处理可以使混合 AI 网络更快、更高效。

该团队还将 OFE² 应用于数字交易，它处理实时市场数据以生成有利的买卖操作。在经过优化策略的训练后，OFE² 直接将传入的价格信号转换为交易决策，实现了持续的回报。由于这些计算是以光速进行的，交易员可以几乎没有延迟地抓住交易机会。

为AI的未来照亮道路

总而言之，这些成就是计算领域重大转变的信号。通过将 AI 处理中最具挑战性的部分从耗电的电子芯片转移到超快的光子系统中，像 OFE² 这样的技术有望 usher in 一个新的实时、低能耗 AI 时代。陈教授总结道：“我们研究中展示的进步将集成衍射算子的速率提高到了更高的水平，为图像识别、辅助医疗和数字金融等领域的计算密集型服务提供了支持。我们期待与具有数据密集型计算需求合作伙伴的合作。”