📢 转载信息
原文链接：https://www.sciencedaily.com/releases/2025/10/251027224833.htm
原文作者：SPIE--International Society for Optics and Photonics
现代人工智能（AI）系统，从机器人手术到高频交易，都依赖于实时处理原始数据流。快速提取重要特征至关重要，但传统的数字处理器正面临物理极限。传统电子技术已无法充分降低延迟或提高吞吐量，以跟上当今数据密集型应用的需求。
转向光速计算
研究人员现在正将目光投向光作为解决方案。光学计算——使用光而非电流来处理复杂计算——提供了一种显著提高速度和效率的方法。一种有前景的方法涉及光学衍射算子，这是一种薄的板状结构，在光通过时执行数学运算。这些系统可以以低能耗一次处理许多信号。然而，在超过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Hongwei Chen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，或 OFE2。他们的工作发表在《Advanced Photonics Nexus》上，展示了一种适用于多种现实世界应用的高速光特征提取新方法。
OFE² 如何准备和处理数据
OFE² 的一个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情况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时经常引入不必要的相位波动。清华团队通过设计一个完全集成的片上系统，具有可调节功率分束器和精确延迟线，解决了这个问题。该设置将串行数据转换为多个同步光通道。此外，集成的相位阵列使得 OFE² 易于为不同的计算任务重新配置。
数据准备好后，光信号通过一个执行特征提取的衍射算子。这个过程类似于矩阵-向量乘法，其中光波相互作用，在特定的输出点产生聚焦的“亮点”。通过微调输入光的相位，可以将这些亮点引导到选定的输出端口，使 OFE² 能够捕获输入数据随时间的细微变化。
创纪录的光学性能
OFE² 的运行频率高达惊人的 12.5 GHz，在一项单次矩阵-向量乘法中仅用时 250.5 皮秒——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推动集成光衍射计算的速度超过 10 GHz 的实际应用设定了重要的基准。”
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，创建了成对的“浮雕和雕刻”图，从而提高了图像分类的准确性，并提高了识别 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，证明光预处理可以使混合 AI 网络更快、更高效。
该团队还将 OFE² 应用于数字交易，实时处理市场数据以生成有利的买卖操作。在经过优化策略训练后，OFE² 将传入的价格信号直接转换为交易决策，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机会。
照亮通往人工智能未来的道路
总而言之，这些成就标志着计算领域的一个重大转变。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闪电般快速的光子系统，像 OFE² 这样的技术可能会开启一个实时、低能耗 AI 的新时代。“我们研究中展示的进步将集成衍射算子的速率提高到了一个更高的水平，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，”陈教授总结道。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区