中国经济网络保留的所有权利 中国经济网络新媒体矩阵 在线音频 - 视觉节目许可证（0107190）（北京ICP040090） ◎我们当前报纸的记者刘夏（Liu Xia），诸如人工智能培训（AI）等复杂活动的规模不断扩大，每天都在增加各种行业计算强度的需求。传统的电子计算体系结构受“ von Neumann瓶颈”等问题的限制，并且计算数量目前处于其开发的早期阶段。在这种背景下，使用光而不是电处理数据出现并逐渐出现的光学计算技术。世界官方经济论坛网站最近在一份报告中教授，近年来，光学计算表明，每个G都加快了发展的速度。一些技术路线迅速发展，逐渐离开实验室，并朝着工业应用发展n。将来，预计它将在许多领域（例如智能计算中心以及新的研究和材料开发）中发光。光学计算具有很大的好处。灯光是一种物理培养基，它传播得非常快，具有丰富的信息维度和非常低的能耗。光学计算使用光子代替电子作为计算的载体，比传统电子计算更大。首先，光具有许多物理维度，例如长度，相位，振幅，极化和波导模式，并且自然支持并行计算。因此，光子设备特别适合MGA高密集型工作，例如科学计算和机器研究。其次，在运行时，光子几乎没有热量，并且它们在能源消耗方面的优势非常重要。第三，处理宽带模拟信号时，光子设备具有更大的带宽，并且超出了电子设备。第四，光学设备的性能很好在计算速度，响应迅速并且几乎没有延迟方面，这大大改善了计算的及时性。光计算利用速度和效率的全部自然增益，并有望将革命性的崩溃带入当前的计算范式。各种架构都有自己的优势和缺点。各种体系结构出现在光学计算技术领域，ANG每个都有其自身的优势和缺点。自由空间光学器件（FSO）是照明计算的第一种形式。 FSO系统控制空气或真空，以使用镜头，空间光调节器和光量等元素处理信息。 FSO在实用性过程中面临的主要挑战之一是提高系统的耐用性和可靠性。它要求科学家进一步优化光学机械工程，例如集成的固态光学模块，内置空间光调节器（SLM）或使用光子metAmateriALS。当前，用于固定光路的SLM响应速度低于电子设备。但是，新一代更快，更高的分辨率调节器正在开发中，并有望取得突破。 OneSphotonic芯片包括微光学成分，例如激光，梁拆分器，干涉仪，并易于集成到现有的电子结构中。尽管该技术的途径正在迅速发展，但大多数解决方案都很难扩展到更复杂的计算活动。一些公司采用不同的方法，从全光AI芯片的形成转移到了光学互连设备的开发（使用光在电子组件之间以高速发送数据）。该路径取决于新材料和新设备的创新，以减少信号损失并提高计算精度。 Niobate锂在第一个实验中表现出了很高的应用前景。 Hiblam的光学系统解决了问题遇到人工智能的问题和困难。典型示例是“相互关联的机器”，可以通过纤维纤维发送光脉冲进行操作。不幸的是，它的基本功能仍然依赖于电子设备来实现，因此，通常执行光电转换，从而导致计算速度的显着崩溃。将来，系统可能会转向基于芯片的体系结构以提高集成和可扩展性。此外，科学家开发了许多特殊的纤维，以通过不同的纤维核心同步许多计算，但是大多数多核纤维系统都处于实验室研究阶段。技术瓶颈需要紧急破坏，并且光计算的开发处于关键的WI时期。在全球对更快，更友好和更强大的计算能力的迫切需求下，光学计算系统提供了一种新的可能性 - 这两种辅助都在传统的Sili中基于C的硅系统，预计在某些情况下将超过它们。在短期内，全光自由空间系统似乎是最大的，并且结合光和电的混合动力系统也具有很大的潜力。计算和存储的“内存计算”集成的架构也非常流行。在中期，结合空间和时间维度的新处理体系结构可能会显示出更好的性能和能源效率。尽管光学计算势头很强，但仍有一些技术瓶颈在朝着商业付款迈进之前需要折断。首先，存在准确性和稳定性的问题。只要光学系统容易受到未对准组件，温度波动或随机信号噪声的影响，研究人员目前正在通过闭环反馈系统和实时自动校准来提高其反干扰能力。存储光学数据也是主要的专业人士斑点。直到今天，基于光腔的系统可以完全防止由处理器和内存之间的数据传输造成的损失。集成和包装方面也面临挑战。但是，3D包装技术和新材料的变化可以提高可扩展性并降低成本。