當前，人工智能（AI）訓練等復雜任務的規模持續擴大，各行各業對算力提升的需求與日俱增。而傳統電子計算架構受到“馮·諾依曼瓶頸”等問題限制，量子計算目前又處于發展初期。在這樣的背景下，用光而非電來處理數據的光計算技術應運而生，并逐漸嶄露頭角。
世界經濟論壇官網日前在一篇報道中指出，近年來，光計算呈現加速發展趨勢。部分技術路線發展迅猛，正逐步走出實驗室，邁向產業化應用，未來有望在智算中心、新材料研發等多領域應用中大放異彩。
光計算優勢顯著
光是一種傳播極快、信息維度豐富且能耗極低的物理媒介。光計算以光子替代電子作為計算載體，與傳統的電子計算相比，擁有更多優勢。首先，光具有波長、相位、振幅、偏振和波導模式等多個物理維度，天然支持并行計算，因此光子器件特別適用于科學計算、機器學習等高密集型任務。其次，光子運行幾乎不產生熱量，能耗優勢顯著。三是光子器件具備更寬的帶寬，在處理寬帶模擬信號時性能遠超電子器件。四是光學器件在運算速度方面表現出色，響應迅捷，幾乎無延時，顯著提升計算時效。
光計算充分利用了光在速度與效率上的天然優勢，有望為當前的計算范式帶來革命性突破。
不同架構各有千秋
當前，光計算技術領域已涌現出多種架構，它們各有優劣。
自由空間光學（FSO）是最早出現的光計算形式。FSO系統借助透鏡、空間光調制器和光掩模等元件，在空氣或真空中對光進行操控以處理信息。
FSO在走向實用化過程中面臨的關鍵挑戰之一在于提升系統的耐用性與可靠性。這要求科學家進一步優化光機械工程，例如集成固態光學模塊、內置空間光調制器（SLM）或采用光子超材料。目前用于調控光路的SLM響應速度遠低于電子器件，不過，新一代更快、更高分辨率的調制器已在研發中，有望取得突破。
光子芯片則整合了激光器、分束器、干涉儀等微型光學元件，可便捷地融入現有電子架構。該技術路線雖發展迅速，但多數方案難以擴展至更復雜的計算任務。一些公司另辟蹊徑，從研制全光學AI芯片轉向開發光學互連設備（利用光在電子組件間高速傳輸數據）。這一路徑依賴新材料與新器件的創新，以降低信號損耗、提升計算精度。鈮酸鋰在早期實驗中已展現出良好的應用前景。
光纖系統則依托成熟的光纖通信基礎設施，借助光纖中的導光實現復雜計算，尤其適用于求解優化問題和人工智能中的難題。一個典型例子是“相干伊辛機”，其可通過光纖環路發送光脈沖以執行運算。遺憾的是，它的關鍵功能仍依賴電子設備實現，為此不得不頻繁進行光—電轉換，導致計算速度大幅下降。未來該系統或轉向基于芯片的架構，以提升集成度和可擴展性。
此外，也有科學家正在開發多芯特種光纖，以借助不同纖芯同步處理多項計算，但這類多芯光纖系統多數仍處于實驗室研究階段。
技術瓶頸亟待突破
目前，光計算發展正值關鍵窗口期。在全球對更快、更環保、更強算力的迫切需求下，光計算系統提供了一種新的可能——既能與傳統硅基系統互補，也有望在部分場景中實現超越。
短期內，全光學自由空間系統似乎最具可行性，而融合光與電的混合系統也大有可為，集計算與存儲于一體的“內存計算”架構也極具潛力。
從中期看，結合空間與時間維度的新型處理架構，或將表現出更卓越的性能與能效。
盡管光計算發展勢頭強勁，但在走向商業化應用之前，仍有一些技術瓶頸亟待突破。
首先是精度與穩定性問題。鑒于光學系統易受元件錯位、溫度波動或信號隨機噪聲的干擾，目前研究人員正通過閉環反饋系統、實時自動校準等技術提升其抗干擾能力。
光學數據的存儲也是一大難題。針對這一點，基于光學腔的系統或可徹底避免數據在處理器與內存之間遷移產生的損耗。
集成與封裝方面同樣存在挑戰。但3D封裝技術和新材料的創新，或許能提升可擴展性并降低成本。
來源：科技日報
