光速运算：新型光学处理器让AI飞起来

借助光实现更快计算
研究人员正将光视为一种解决方案。光学计算——利用光而非电来处理复杂计算——有望显著提升速度和效率。一种有前景的方法涉及光学衍射算子（一种薄片状结构，光线穿过时可完成数学运算）。这类系统能同时处理多个信号，且能耗低。但要在10 GHz以上速度下维持此类计算所需的稳定相干光，难度极大。

为应对这一挑战，中国清华大学洪伟教授带领的团队研发出一种突破性设备，名为光学特征提取引擎（OFE₂）。他们的研究成果发表于《Advanced Photonics Nexus》期刊，展示了一种适用于多种实际应用的高速光学特征提取新方法。

OFE₂的数据准备与处理方式
OFE₂的一项关键进展是其创新的数据准备模块。向核心光学组件提供快速、并行的光信号且不丢失相位稳定性，是该领域最棘手的问题之一。基于光纤的系统在分光和延时过程中常引入不必要的相位波动。清华团队通过设计集成可调功率分束器和精确延时线的全集成片上系统解决了这一问题。该装置将串行数据转换为多个同步光通道。此外，集成相位阵列使OFE₂能轻松重新配置以适应不同计算任务。

数据准备完成后，光信号通过衍射算子进行特征提取。此过程类似于矩阵向量乘法，光波相互作用，在特定输出点形成聚焦的“亮点”。通过微调输入光的相位，这些亮点可被导向选定的输出端口，使OFE₂能捕捉输入数据随时间的细微变化。

破纪录的光学性能
OFE₂以惊人的12.5 GHz速度运行，单次矩阵向量乘法仅需250.5皮秒——这是此类光学计算的已知最快结果。“我们坚信，这项工作为推动集成光学衍射计算在实际应用中突破10 GHz速率树立了重要标杆，”陈教授表示。

研究团队在多个领域测试了OFE₂。在图像处理中，它成功提取视觉数据的边缘特征，生成成对的“浮雕与雕刻图”，改善了图像分类，并提高了CT扫描中器官识别等任务的准确性。使用OFE₂的系统所需电子参数少于标准AI模型，证明光学预处理能让混合AI网络更快、更高效。

团队还将OFE₂应用于数字交易，处理实时市场数据以生成盈利的买卖操作。经过优化策略训练后，OFE₂将输入的价格信号直接转化为交易决策，实现了稳定收益。由于计算以光速进行，交易者几乎无延迟地把握机会。

照亮AI未来之路
这些成果共同标志着计算领域的重大转变。将AI处理中最繁重的部分从耗电的电子芯片转移到超快速的光子系统，OFE₂等技术有望开启低能耗实时AI的新时代。“我们研究中的进展将集成衍射算子推向更高速率，为图像识别、辅助医疗、数字金融等领域的计算密集型服务提供支持。我们期待与有数据密集型计算需求的合作伙伴合作，”陈教授总结道。