光子计算：挑战与进展

2025-09-29 理论教育版权反馈

【摘要】：但是，想要实现这种数字式光计算并非易事，因为光子既没有质量也没有电荷，不能像电子一样通过施加电场就能进行控制。

在讲光计算之前，我们先来看一个案例。

2025年，日本东北太平洋海域发生9级地震，导致日本的网络与外部失联。地震为什么会导致网络失联呢？原来，强烈的地震冲击波损坏了几条途经日本海域的海底光缆。

海底光缆非常接近光计算的原理。通过光纤作为光子导体，只需在每100公里的海底设置光学放大器和透镜，就能进行信息的采集、传输、存储和处理。

对于光来说，传输就是计算，因此光计算可以按工作原理分为模拟式和数字式。模拟式是利用光学图像的二维性直接进行运算，就像海底光缆一样，光通过透镜发生折射，你观察到的物体也发生了变形，这其实就是一个简单的计算过程。

而数字式则完全采用电子计算机的技术结构，只是用光子逻辑元件取代了电子逻辑元件，最近几年提出的光子芯片，就是数字式光计算的最新研究成果。

我们知道，目前电脑和手机的芯片依靠电力来操作，如果用光来代替铜线或碳纳米管中的电脉冲，芯片的处理速度将会实现质的飞跃。但是，想要实现这种数字式光计算并非易事，因为光子既没有质量也没有电荷，不能像电子一样通过施加电场就能进行控制。为了实现光学计算，光子需要有像电子一样简单的控制机制。

2025年，哈佛大学埃里克马祖尔实验室通过将硅柱嵌入聚合物基质中，并在外面包覆金膜，设计出了一种具备零折射率的片上材料。在这种具有零折射率的材料当中，光不再以波的形式前进，也没有相位提前，光线可以以无限长的波长运行而不会失去能量。

2025年6月，来自麻省理工学院的一个研究团队在《自然光子》杂志上发表了一篇关于光子芯片的论文，开创性地提出了用光子来替代电子的芯片架构。这篇论文的第一作者，是当时年仅28岁的华人科学家沈亦晨。2025年，他创立的Lightelligence公司成功开发出世界上第一款光子芯片原型板卡，并与谷歌和亚马逊达成合作，进行实用测试。

Lightelligence公司利用这款光子芯片原型板卡，在谷歌Tensorflow这个世界上最受欢迎的开源机器学习框架上，对70000张手写数字的灰度图片实现计算机视觉数据集的处理。这是一个使用计算机视觉识别手写数字的基准机器学习模型，也是机器学习中最著名的基准数据集之一。测试中，整个模型超过95%的运算是在光子芯片上完成的。测试结果显示，光子芯片处理的准确率已经接近电子芯片，所用的时间却不到电子芯片的1%。

完成这项壮举的光子芯片究竟遵循怎样一种原理呢？(https://www.chuimin.cn)

其实，光子芯片相当于在半导体材料上安装了无数个光学开关器，利用不同波长、相位和强度的光线组合，在反射镜、棱镜与滤波器结构所组成的数组中进行信息处理。简单来说，就是利用光子的物理优越性进行计算，从而实现计算的优越性。

那么，光子与光子芯片具有哪些优越性呢？

第一，光子不受电磁场影响，传播速度为光速，使得光子芯片的计算速度达到电子芯片的100倍；第二，光子传输和转换所需要的能量极小，光子芯片功耗仅为电子芯片的百分之一；第三，光子传输过程稳定，不同形态的光相遇不会互相干扰，并行能力强，避免了计算时出现拥堵现象。

这里，我们举个例子。在使用人脸识别时，我们常常遇到卡顿的现象。这是因为在电子芯片的架构下，我们需要把图像信号转换为数字信号，再转换为电压信号，最后通过芯片进行线性运算。而电子芯片的线性运算，又需要电子进行复杂的矩阵运算，这常常会造成电子拥堵。

但是，光子芯片就不一样，其拥有强大的光子并行能力，通过光的平行传播性，可以保证成千上万条光同时穿越一块光子元件且不会互相干扰，避免计算机在运算上的“堵车”。

由此可见，光计算与人工智能的算法高度匹配，如果广泛用于人脸识别、安防监控、自动驾驶、无人机与工业物联网等人工智能领域，完全可以提供比现在的电子芯片更敏捷、更流畅且更节约的用户体验。

从本质上讲，光子计算与量子计算一样，提供了一种不同于电子计算的全新计算架构。它不仅可以打破摩尔定律的物理限制，又比量子计算的“叠加”和“纠缠”状态更加稳定。更重要的是，它意味着一条不受过往规则限制的全新赛道。

几乎与远在大洋彼岸的沈亦晨同步，2025年北京交通大学博士生白冰组建了一个光子芯片的研究团队，经过两年时间的设计、加工、封装和测试，推出了全流程自主研发的光子芯片并开始尝试产业化。

白冰团队研制的光子芯片，采用130纳米微电子工艺，对工艺制程水准的容忍度很高。对比目前较为先进的7纳米电子芯片，它同样可以达到100倍的运算速度与百分之一的功耗。这就意味着一个摆脱对于国外高制程光刻机的严重依赖，在芯片领域换道超车的发展机会。

光子计算：挑战与进展

相关推荐