光速AI计算突破：12.5 GHz光学处理器亮相

突破性光学处理器让AI以光速计算

现代人工智能系统，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触及物理极限。传统电子技术已无法将延迟降低或吞吐量提高到足以跟上当今数据密集型应用的程度。

转向光以实现更快计算

研究人员现在将目光投向光作为解决方案。光计算——使用光而非电来处理复杂计算——提供了一种大幅提升速度和效率的途径。一种有前景的方法涉及光衍射算子，这是一种薄板状结构，能在光穿过时执行数学运算。这些系统可以同时处理许多信号且能耗低。然而，事实证明，在超过10 GHz的速度下维持此类计算所需的稳定、相干光极其困难。

为克服这一挑战，由中国清华大学陈宏伟教授领导的研究团队开发了一种名为光学特征提取引擎（OFE2）的突破性设备。他们发表在《Advanced Photonics Nexus》上的工作展示了一种适用于多种现实世界应用的新型高速光学特征提取方法。

OFE2如何准备和处理数据

OFE2的一个关键进展是其创新的数据准备模块。在不损失相位稳定性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光和延迟光时经常引入不必要的相位波动。清华大学的团队通过设计一个带有可调功率分配器和精确延迟线的全集成片上系统解决了这个问题。该设置将串行数据转换为多个同步的光通道。此外，集成相位阵列使得OFE2可以轻松为不同的计算任务重新配置。

准备就绪后，光信号穿过一个执行特征提取的衍射算子。此过程类似于矩阵-向量乘法，光波相互作用在特定输出点产生聚焦的"亮点"。通过微调输入光的相位，这些亮点可以被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差异。

破纪录的光学性能

OFE2在令人印象深刻的12.5 GHz频率下运行，仅需250.5皮秒即可完成一次矩阵-向量乘法——这是此类光学计算已知的最快结果。"我们坚信这项工作为将集成光学衍射计算在现实应用中推进到超过10 GHz的速率提供了一个重要的基准，"陈教授说道。

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边缘特征，创建了配对的"浮雕和雕刻"图，改善了图像分类，并提高了在CT扫描中识别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，证明光学预处理可以使混合AI网络既更快又更高效。

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盈利的买卖操作。在通过优化策略进行训练后，OFE2将传入的价格信号直接转换为交易决策，实现了持续收益。由于这些计算以光速进行，交易者可以几乎无延迟地对机会采取行动。

照亮通往未来AI之路

这些成就共同标志着计算的重大转变。通过将AI处理中最耗能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。"我们研究中提出的进展将集成衍射算子推向更高的速率，为图像识别、辅助医疗和数字金融等领域计算密集型服务提供了支持。我们期待与有数据密集型计算需求的合作伙伴进行协作，"陈教授总结道。FINISHED