前言摘要

在人工智能算力需求爆炸式增长的当下，传统电子计算因速度和能效瓶颈，已难以满足大规模并行处理需求。光子计算凭借光子固有的高带宽、低延迟与并行性优势，被视为下一代计算的重要方向——但电子光学数据转换（电光转换）的低速度、高能耗问题，始终是光子计算落地的“拦路虎”。 

近日，由哈佛大学Marko Lončar教授团队牵头，联合北京大学、HyperLight公司等机构的研究人员，在《Nature Communications》（https://doi.org/10.1038/s41467-025-62635-8）发表重磅研究，提出基于薄膜铌酸锂（TFLN）的集成光子计算电路，成功攻克电光转换瓶颈，为高速度、低能耗光子计算提供了全新解决方案。

技术突破

研究人员利用薄膜铌酸锂（TFLN）平台，设计并制备了一个包含多个空间通道的光子计算核心。该电路通过两个级联的振幅调制器（AM）实现向量之间的乘加运算（MVM），其工作原理如下： 

1.电光转换：输入电子数据通过第一个调制器转换为光信号；

2.空间分发：光信号通过分束器分发至多个通道；

3.权重调制：每个通道通过第二个调制器施加机器学习中的权重；

4.光电转换：最终结果通过光电探测器转换回电信号。 

该电路在单通道速率43.8GOPS（每秒十亿次操作） 下实现了0.0576pJ/OP（每操作皮焦耳） 的极低能耗，并且成功演示了包括二分类、手写数字识别（MNIST）甚至CIFAR10图像分类在内的多种推理任务，准确率与电子计算相当。 

 集成与异构进展 

更令人印象深刻的是，团队还展示了高度集成的TFLN计算芯片，其中混合集成了分布式反馈激光器（DFB）和异质集成了改性单行载流子光电二极管（MUTCPD），为实现单片光子计算系统奠定了基础。

开启计算新纪元

这项研究的意义远不止于一项技术突破。它实际上解决了光子计算走向实用化的最关键障碍，为未来AI计算提供了全新的技术路径。 

随着人工智能模型规模不断扩大，对算力的需求呈指数级增长。光子计算的高速、低耗特性，使其成为下一代计算架构的理想选择。从自动驾驶到医疗诊断，从科学计算到智能制造，这项技术都有望带来革命性的变化。 

未来，研究团队计划进一步降低能耗、提升集成度，并将这一技术推广到更广泛的应用领域。光子计算的时代，正在加速到来。

图1:基于薄膜铌酸锂的光子计算加速器

图2:计算核心的集成薄膜铌酸锂光子电路实现方案

图3:基于薄膜铌酸锂的高速高能效光子计算

图4:光子二分类

图5:光子神经网络全连接层计算实现

图6:混合集成与异质集成的薄膜铌酸锂光子计算架构

【注】小编水平有限，若有误，请联系修改；若侵权，请联系删除！