一束光实现超级计算机般的AI运算

如今，张量运算在涉及图像处理、语言理解及众多其他任务的AI系统中不可或缺。但随着数据量持续增长，GPU等传统数字硬件在速度、能耗和扩展性方面面临越来越大的压力。

研究人员展示光基单脉冲张量计算
为应对这些挑战，由阿尔托大学电子与纳米工程系光子学研究组的张宇峰博士领导的国际团队开发了一种全新方法。该方法能让复杂的张量计算在光通过光学系统的单次传播中完成，这种被称为“单脉冲张量计算”的过程以光速运行。

张博士表示：“我们的方法能完成如今GPU处理的同类运算，比如卷积和注意力层，但所有运算都以光速进行。我们不依赖电子电路，而是利用光的物理特性同时进行多项计算。”

将信息编码入光实现高速计算
团队通过将数字信息嵌入光波的振幅和相位，把数值数据转化为光场中的物理变化来实现这一点。当这些光波相互作用时，它们会自动执行矩阵和张量乘法等数学过程——这正是深度学习的基础。通过使用多种波长的光，研究人员扩展了该技术，以支持更复杂的高阶张量运算。

张博士打比方说：“想象你是海关官员，必须用多台不同功能的机器检查每个包裹，再分类到正确的箱子里。通常你得逐个处理包裹，而我们的光计算方法会将所有包裹和所有机器整合在一起——我们创建多个‘光钩子’，把每个输入连接到正确的输出。只需一次操作、一次光传输，所有检查和分类就会即时并行完成。”

被动光学处理与广泛兼容性
该方法最显著的优势之一是几乎无需干预。光传播时必要的运算会自动进行，因此计算过程中系统无需主动控制或电子切换。

阿尔托大学光子学研究组组长孙志培教授表示：“这种方法几乎可在任何光学平台上实现。未来，我们计划将此计算框架直接集成到光子芯片上，使光基处理器能以极低能耗执行复杂AI任务。”

未来光基AI硬件的发展路径
张指出，最终目标是将该技术适配到大型科技公司使用的现有硬件和平台。他估计，该方法可能在3至5年内整合到这类系统中。

“这将催生新一代光计算系统，显著加速各领域的复杂AI任务。”他总结道。该研究发表于2025年11月14日的《自然·光子学》。