Whoscored(中国·中文)官网-专注足球数据分析的专业平台

陈昇祐，Whoscored中文官网

摘要 

本文深入探讨了McMahon最近的观点，强调了利用光学的固有物理特性来构建专用光计算架构的优势。在Whoscored中文官网与客户的合作项目中，学术和产业界对光计算在神经网络方面的应用表现出浓厚的兴趣，并已开始执行具体的项目。

本文总结了McMahon对11种光学固有特性的分析，这些特性包括大带宽、无损耗动力和空间并行性，都能为光计算带来不少优势。为了充分利用这些特性的优势，我们需要通过精心的工程设计来避免输入/输出的瓶颈和互联问题。专用的模拟光计算在神经网络推理和组合优化等领域具有潜在的应用前景。但是，要构建具有竞争力的完整系统架构，还需要投入大量的研究和开发工作。本文还回顾了McMahon对光计算物理学的见解，并根据光学的基本能力和局限性评估了该领域的未来发展前景。

简介

近年来，光计算领域得到了学术界和产业界的广泛关注，其前景和挑战备受瞩目。光学基于其固有的物理特性提供了一系列潜在优势，但要打造出具有竞争力的系统，还需克服众多重大挑战。McMahon[1]通过详细列举了11项光学的核心特性及其优势，分析了需要解决的系统架构和工程上的障碍，为我们提供了独特且宝贵的视角。本文重点回顾了他的分析，旨在阐明光计算的物理基础，并从基本能力和局限性的角度评估了光计算的潜力。

McMahon明确指出，在短期内，光计算不太可能完全替代现有的通用数字电子技术。然而，在某些特定任务，如神经网络推理方面，如果能够明智地利用光学特性，专用模拟光计算可能将展现出良好的竞争力。本文汇总了McMahon列出的光学特性以及如何充分利用它们。同时，也探讨了如何通过精心的系统设计和策略来缓解存在的技术陷阱。文中强调，通过综合运用多种物理优势，光学技术在某些领域有可能超越电子技术。最后，本文还审视了McMahon所指出的未来挑战，并对光计算领域的未来发展进行了深入的探讨。

背景和目的

自上世纪60年代起，光计算的研究便引起了广泛的关注，其中包括了创新的光学神经网络项目。然而，在过去的几十年里，这个领域的进展呈现出波澜起伏的态势。近些年，随着学术界和产业界对于光计算的研究投入显着增加，特别是在专用光学神经网络加速器方面，光计算再次成为热门焦点。McMahon针对光学和电子技术在计算速度和效率方面的相对优势进行了系统性的分析，探讨了各自的优势是否真实存在、何以存在及如何实现。

他的主要目标是总结出光学的可利用特性，消除对光学优势的误解，明确光计算的应用前景，以及提出整体系统设计的策略，同时阐明未来可能面临的挑战。他的分析主要集中在专用模拟光计算与当前先进的数字电子技术之间的竞争力对比。

光计算的特性

McMahon概括了11种光学特性，这些特性具有明显的优势：

这些特性为提升系统的性能和效率提供了多种可能的机制。然而，要充分利用这些特性并避免潜在的陷阱，需要通过整体的工程设计和实现。

图1: 在未来任何可能提供整体优势（如延迟、吞吐量或能效方面优势）的光学处理器中，最有可能发挥关键作用的三个特性。

图2: 光学系统中的信号传输

图3: 光学系统与电气系统的其他区别

图4: 光的量子性质

光学的关键优势

McMahon强调，单纯依赖光速的优势并不显着，而光学特性的综合效应才是关键。大带宽不仅支持低延迟，还能实现高效的并行处理。空间并行能力允许多任务同时执行，其处理数量级远超过电子技术。无损耗传播特性使得线性和非线性计算能量消耗极低。同时，低损耗传输、光学干涉、非线性特性以及抗缺陷的稳定性也为光计算技术带来了显着的优势。

体系化的结构设计

McMahon指出，可以通过分析类似于电子和光子的模拟systolic阵列等体系结构的物理区别来简化比较。为了克服转换开销，光计算机应尽量减少光电域之间的转换步骤。通过结合光学和电子处理，混合系统能够实现优化的权衡。与大规模光学分立器件相比，光子集成电路能够提供微型化和密度的提升。

应用前景

McMahon认为，神经网络推理、组合优化、科学计算以及密码学是光计算的关键应用领域。这些领域通常涉及大量的运算工作负载，如矩阵向量乘法，而这些运算非常适合通过模拟光来实现。在这些应用中，接受有限的精度和误差能为模拟噪声提供一定的容忍度。光学相关器作为商业产品也具有很大的潜力。然而，对于需要完全精确的通用数字电子计算，光学技术不太可能取而代之。

未来挑战

虽然光计算取得了显着的进展，但仍面临着重大的挑战。输入/输出的瓶颈和光电转换成本仍然是需要关注的问题。与电子技术相比，组件间的互连也显示出一些局限性。为了实现经济可行的系统，还需要在材料、器件以及集成技术方面进一步发展。

实现技术

McMahon指出，与大规模体积光学相比，光子集成电路为微型化提供了可能。硅基光电子技术成为主要的集成方案，例如，AIM Photonics就生产了低损耗的氮化硅波导，实现了芯片级的光处理。在需要非线性光计算应用的场合，如III-V族半导体等非线性光学材料可能会很有用。然而，McMahon并未深入评估具体的材料平台，而是更加关注了概念优势的探讨。

模拟光计算 vs. 数字电子技术

McMahon指出，在需要精确和高精度的通用计算任务中，光计算的性能还无法匹敌数字电子技术。然而，在某些可以接受近似解的专用任务，例如推理过程中，模拟光计算显示出了一定的应用潜力。数字电子技术因对晶体管和逻辑门的工程化优化而受益匪浅。而在合适的工作负载条件下，模拟光学能够借助其大规模并行和快速切换的优势，超越电子技术，尽管它可能需要容忍较低的精度。然而，其总体性能仍受到互连以及输入/输出带宽的限制。

关键发现与洞见

McMahon指出，光计算领域的兴趣已再度被激发，特别是在运算需求极为庞大的神经网络应用中。尽管光学技术不太可能完全替代通用数字系统，但在特定的工作负载条件下可能展现出一定的优势。他列举的11项核心光学特性，一旦被整体应用，有可能带来诸多好处，包括提升带宽、实现无损耗运算和增强空间并行能力。光学神经网络加速器有可能成为模拟电子技术的有力竞争者。然而，如输入/输出带宽和组件间互连等主要挑战仍然存在。

结论

本文总结了McMahon的观点，强调如果明智地利用这11种光学特性，专用光计算有可能与先进的电子技术展开竞争，特别是在适合模拟处理的任务中展现出基础优势。尽管如此，输入/输出带宽和组件间互连等工程上的障碍仍然存在。光学物理特性为类推理应用提供了坚实的基础。McMahon的分析为我们提供了宝贵的视角，全面审视了基于光学的能力和局限性，以及该领域的前景和挑战。

参考文献：

[1] McMahon, P.L. The physics of optical computing. Nat Rev Phys (2023). https://doi.org/10.1038/s42254-023-00645-5