简介
光计算利用光波和光电子器件进行计算和信息处理。相比传统的电子计算，在速度、效率、成本和体积方面具有潜在的改进。光计算研究可以追溯到20世纪60年代，早期工作集中在使用傅里叶变换进行光模式识别。但是，尽管研究几十年，通用光计算机仍未实现商业化。本文回顾了光计算领域的现状和前景。
光计算的类型
光计算主要有两种类型：
数字光计算(DOC)：基于使用光学设备实现的布尔逻辑门，具有实现高度并行、高速运算的潜力。但是，集成密度的限制阻碍了DOC超过传统数字电子设备。
模拟光计算(AOC)：利用光波的物理属性，如振幅和相位，进行专门计算。可以实现模式识别和数值求解等应用的超高速度。被视为专用的特殊用途计算方法。
关键光学组件
已经探索的各种光学组件，以实现光计算所需的功能包含:
空间光调制器(SLM)：用于调制入射光波的振幅和/或相位，基于液晶或微镜阵列的不同技术。允许在光波上加载数字数据模式。
等离子体开关：基于与等离子体波导集成的相变材料制成的超小型、低功耗开关，可以用于形成光计算的逻辑门，但集成仍面临挑战。
光子集成电路：集成在光电芯片上的微型光电链路，已经用于演示光学神经网络加速器和其他新颖的光计算架构。
衍射光学组件：使用衍射效应操纵光波的组件，可以通过塑造光波前沿来执行数学运算如求导和积分。
光子晶体，使用周期光学纳米结构工程化制成的材料，强大的光物质相互作用使得实现超小型光逻辑门和电路成为可能。
此外，谐振纳米光子器件、超表面、光互连以及光存储技术也是光计算硬件的活跃研究领域。
光逻辑运算
实现全光逻辑门是光计算的一个关键步骤。方法包括：
基于跨增益/相位调制的半导体光放大器(SOA)门;
在局部非线性介质中采用非线性波导门;
带有SOA或其他非线性组件的干涉仪基门;
在光子晶体中利用带隙效应实现的门;
基于光子晶体中的自准直现象的门。
在这些方法中，光子晶体基门可以提供超小型设计，具有高对比度比和飞秒级切换速度。但是，高开关功率和温度不稳定性等问题仍需进一步改进。
图1：(a) 4-f 相关器的基本光学设置，(b) 匹配滤波器的自相关峰，(c) 仅相滤波器的自相关峰 [22]，(d) JTC 的光学设置，(e) JTC 的输出平面。
光学神经网络
人工神经网络可能会受益于光学实现，利用固有并行性和复值算术等特性。光子集成平台已经实现了使用相干光检测方案的多层光学神经网络，与数字电子设备相比，表现出更低的功率和更高的速度，适合执行复杂的神经计算。利用光学所特有的复杂数学计算功能实现的光学神经网络潜力巨大但研究相对较少，可能会优于传统方法。
图2：复值相干光学神经网络的组成。
(a) 一个输入层、多个隐含层和一个输出层组成一个光学神经网络，在初始输入准备和网络训练期间，复值结构中的光信号在振幅和相位上都进行了编码和调制。
(b) 实现复值网络的ONC示意图，在单个芯片上，输入预处理、权重乘法和相干检测都集成在一起，红色部分负责分割和调制光信号，绿色部分区分参考光，用于后续的相干检测，蓝色部分用于构建复值权重矩阵，灰色部分建立了芯片内相干跟踪。
(c)ONC系统过程，使用相干激光器产生信号光和参考光，通过机器学习作业修改每个光路上信号光的振幅和相位，光推理被动地执行加权和过程，电接口对测量结果进行处理，包括激活函数应用和成本函数计算，然后使用修改后的权重矩阵重新编程ONC芯片。
模拟光计算
谐振纳米光子器件通过在光波前沿上直接执行数学运算，显示了模拟光计算的巨大潜力。 通过精心设计纳米结构中的衍射或干涉效应，实现空间求导、积分、卷积和求解微分方程，经过优化的算法在硬件上实现的高速专用处理器有朝一日可以通过这种方式实现。
图3：(a)入射高斯光波在刻在波导层顶部的光栅和基板组成的谐振衍射装置上的衍射，(b)在 TiO2 层上制成衍射光栅的 SEM 图像，使用 ERP-40 电子阻抗，(c)已测量入射高斯光波的轮廓，(d)已测量传输光波的轮廓，(e)解析出入射光波的微分轮廓，(f)考虑到制造缺陷的估计传输光波轮廓。
发展理念和挑战
尽管光计算理念已经研究几十年，但通用商业光计算机仍难以实现。发挥光学的全部计算潜力需要集成光电芯片，将标准化光学硬件模块与利用复杂光波操作的专门算法相结合。
扩大集成光电芯片的复杂性对取得进展至关重要，需要硅基光电子和其他纳米制造平台继续成熟。相比集中于单个逻辑门，开发多功能光子逻辑器件也许是实现可行光计算更好的路径。
主流电子计算技术具有巨大优势，这对光计算形成了巨大障碍。在商业上取得颠覆之前，光计算机可能最初需要面向专业的高速计算利基市场，而不是直接取代主流电子设备。如果在这些利基市场获得成功确立，光学可能会随着时间推移在计算领域占有更大份额，但常规光计算与主流电子设备竞争仍可能需要较长时间。
总结
光计算仍充满前景，但商业化仍面临挑战。但光子代替电子进行计算的巨大前景将推动光计算研发在多个方面不断取得进展。虽然大规模部署仍未成气候，但是光电子技术正在稳步推进，以实现计算机功能的革命性扩展。
参考文献
[1]Kazanskiy, N. & Butt, Ali & Khonina, Svetlana. (2022). Optical Computing: Status and Perspectives. Nanomaterials. 12. 2171. 10.3390/nano12132171.
微信公众号 
bilibili 
微信视频号