光學(xué)計算在21世紀(jì)初重新引起了學(xué)術(shù)界和工業(yè)界的興趣，其中很多研究性趣都集中在用于神經(jīng)網(wǎng)絡(luò)處理的專用光學(xué)計算機上。自20世紀(jì)60年代以來，光學(xué)計算一直是周期性研究的話題，例如20世紀(jì)80年代和90年代初的神經(jīng)網(wǎng)絡(luò)，已經(jīng)提出了各種各樣的光學(xué)計算方案和架構(gòu)。

鑒于此，近日來自美國康奈爾大學(xué)的Peter L. McMahon教授在Nature Reviews Physics上以The physics of optical computing為題發(fā)表綜述文章，系統(tǒng)地解釋了為什么和如何光學(xué)可能比電子學(xué)在計算方面具有速度或能源效率優(yōu)勢，列舉了在設(shè)計光學(xué)計算機時可以利用的11個光學(xué)特性。同時，文章指出，光速快不是光學(xué)用于計算的關(guān)鍵區(qū)別性物理特性。要理解光計算優(yōu)勢來自哪里，需要更細致的考慮。文章討論了如何通過仔細設(shè)計利用光計算的11個特性中來獲得優(yōu)于最先進電子處理器的優(yōu)勢，同時避免傳統(tǒng)觀念中的一些陷阱。

圖1. 光計算的三大優(yōu)勢：低延遲、高通量和低能耗。

圖源：Nat Rev Phys?5, 717–734 (2023).? ? ? ? ?

由于電子計算機在某些任務(wù)上的性能限制，自21世紀(jì)初以來，光學(xué)計算在學(xué)術(shù)界和工業(yè)界重新引起了人們的興趣。

這篇文章列舉并討論了光學(xué)和光學(xué)計算可以帶來優(yōu)勢的11個特點。任何想要在實踐中獲得優(yōu)勢的光學(xué)計算機，都需要利用這11個特點中的一個或多個。明確列出這些特點有助于明確光學(xué)計算機的設(shè)計者需要利用的元素。它還允許研究人員系統(tǒng)地識別不同提議的光學(xué)計算機背后的基本物理原理，幫助他們分析可以期望獲得的優(yōu)勢以及如何通過利用更多的特點來改進設(shè)計。成功設(shè)計光學(xué)計算機必須仔細規(guī)劃以避免可能超過光學(xué)的瓶頸或開銷。本文還討論了一些可能出現(xiàn)的陷阱以及如何避免這些陷阱的方法。

不過，現(xiàn)在試圖用光學(xué)構(gòu)建高性能通用處理器仍然遙不可及。目前，專用光學(xué)計算機的應(yīng)用領(lǐng)域包括神經(jīng)網(wǎng)絡(luò)，科學(xué)計算，組合優(yōu)化和密碼學(xué)。這四個應(yīng)用領(lǐng)域的算法基本過程都是矩陣向量乘法，這也是目前光學(xué)計算研究的主要目標(biāo)。傅里葉變換和卷積在神經(jīng)網(wǎng)絡(luò)、科學(xué)計算和密碼學(xué)中都有應(yīng)用，因此在當(dāng)前的研究中占據(jù)了重要地位。

光學(xué)相關(guān)器在過去幾十年的幾個時期都作為商業(yè)產(chǎn)品發(fā)布，因此即使在商業(yè)上也不是一個新方向，但已經(jīng)得到了振興。在神經(jīng)網(wǎng)絡(luò)的計算中，也有大量的工作致力于設(shè)計并非專門針對矩陣向量乘法或卷積的神經(jīng)網(wǎng)絡(luò)。

這四個應(yīng)用領(lǐng)域的共同點是，光學(xué)計算機執(zhí)行子程序即使存在一些誤差（噪聲）仍然是有用的。這個因素非常重要，因為任何模擬計算機（包括模擬光學(xué)計算機）都難以實現(xiàn)超過10位的精度，所以模擬光學(xué)計算機的應(yīng)用應(yīng)該對這種級別的噪聲具有魯棒性。神經(jīng)網(wǎng)絡(luò)特別適合，因為至少在推斷（而不是訓(xùn)練）期間，神經(jīng)網(wǎng)絡(luò)的精度不會下降太多，即使它們僅限于使用少于8位精度的整數(shù)算術(shù)。任何模擬神經(jīng)網(wǎng)絡(luò)處理器（包括模擬光學(xué)處理器）的一個問題是執(zhí)行深度神經(jīng)網(wǎng)絡(luò)時可能會積累誤差。最近對此進行了理論分析，結(jié)論是即使存在相關(guān)性噪聲，也可以減輕有害影響的積累。不相關(guān)的噪聲只會導(dǎo)致有效精度降低的噪聲。

圖2. 光系統(tǒng)中的信號傳輸。

圖源：Nat Rev Phys?5, 717–734 (2023).

文章主要分析了光學(xué)計算機在設(shè)計時的三個主要性能指標(biāo)：延遲、吞吐量和能量效率。作者指出，設(shè)計光學(xué)計算機的目標(biāo)應(yīng)取決于用戶的特定需求，但光學(xué)技術(shù)可能在這三個指標(biāo)上都能提供優(yōu)勢。

作者提到，除了這三個指標(biāo)外，還有諸如尺寸、魯棒性、成本、安全性（對黑客攻擊的易感性）和準(zhǔn)確性等其他重要的計算機性能指標(biāo)。作者指出，沒有理由相信光學(xué)計算機可以提供比所有可能的電子計算機更高的準(zhǔn)確性，因此準(zhǔn)確性不是光學(xué)計算機具有優(yōu)勢的指標(biāo)。相反，光計算通常的目標(biāo)是在特定精度下實現(xiàn)延遲、吞吐量或能量效率的優(yōu)勢。其他指標(biāo)為光學(xué)計算機在一些特定使用案例中具有競爭力提供了其他約束條件。

作者使用一個特定的計算示例——機器學(xué)習(xí)推理（更具體的是圖像中的面部識別）來簡要描述這些指標(biāo)。延遲（也稱為延遲）是指計算機從接收到輸入圖像的那一刻起，預(yù)測圖像中人物姓名所需的時間。吞吐量是指每秒可以執(zhí)行多少次推理，對于圖像中的面部識別，吞吐量指標(biāo)是每秒處理的圖像數(shù)量。需要注意的是，在一般情況下，（1/延遲）≠吞吐量；通過流水線作業(yè)，吞吐量可以遠高于延遲的倒數(shù)。可以類比一個制造汽車的工廠使用流水線（管道）進行生產(chǎn)：從開始到結(jié)束，工廠可能需要1天來制造一輛汽車（延遲），但每天可以生產(chǎn)出數(shù)百輛汽車（吞吐量）。能量效率是指計算機完成一次推理計算所使用的能量。

作者認為，構(gòu)建在吞吐量或能量效率（或兩者）方面在短期內(nèi)比電子處理器具有很大優(yōu)勢的光學(xué)處理器的最可能路線是，即利用大型空間并行性和近乎無耗動的動力學(xué)構(gòu)建一個自由空間光學(xué)矩陣-向量乘法器。如果光學(xué)矩陣-向量乘法器的輸入是光學(xué)信號，例如作為視覺場景的預(yù)處理器使用時，它將更容易實現(xiàn)相對于電子解決方案的優(yōu)勢。此外，作者還提到還有其他吸引人的光學(xué)處理器架構(gòu)，包括基于光子集成電路的系統(tǒng)和涉及頻率復(fù)用而非空間復(fù)用或額外復(fù)用的系統(tǒng)，這些都非常值得追求。

圖3. 光系統(tǒng)與電系統(tǒng)的不同之處。

圖源：Nat Rev Phys?5, 717–734 (2023).? ? ? ? ?

利用光學(xué)方法來實現(xiàn)運算處理和數(shù)據(jù)傳輸?shù)募夹g(shù)和設(shè)備的光計算，具有二維并行處理、高速度、大容量、空間傳輸和抗電磁干擾等優(yōu)點，一般可歸納為數(shù)字光計算和模擬－數(shù)字光計算。在數(shù)字光計算中，光存儲、光互聯(lián)和光處理器等技術(shù)被考慮使用。然而，全光計算的器件在技術(shù)上尚不成熟，還沒有公認的全光數(shù)字處理器體系結(jié)構(gòu)。光學(xué)神經(jīng)網(wǎng)絡(luò)是光計算的一種應(yīng)用，主要特點是群并行性、高互連密度、聯(lián)想和容錯，主要的研究內(nèi)容是通過光學(xué)方法來實現(xiàn)神經(jīng)網(wǎng)絡(luò)模型。

然而，光計算技術(shù)的發(fā)展也面臨一些挑戰(zhàn)。例如，光計算的成本較高，穩(wěn)定性較差，光信號干擾等問題需要克服。此外，還需要進一步研究和開發(fā)高效的光學(xué)器件和光處理器，以提高光計算的性能和可靠性。

文章最后指出，構(gòu)建在任何指標(biāo)上優(yōu)于電子計算機的光學(xué)計算機都是具有挑戰(zhàn)性的，因為現(xiàn)在電子處理器已經(jīng)非常先進。然而，光學(xué)計算物理學(xué)有望通過仔細設(shè)計光學(xué)計算機，為某些類別的任務(wù)提供數(shù)個數(shù)量級的優(yōu)勢，特別是對于那些已經(jīng)以光學(xué)格式存在的數(shù)據(jù)或具有非常高的計算與數(shù)據(jù)比的任務(wù)。? ? ? ? ?

參考文獻：McMahon, P.L. The physics of optical computing.?Nat Rev Phys?5, 717–734 (2023).

https://doi.org/10.1038/s42254-023-00645-5