从电子到光子，光学计算引领超级计算新时代

November 26, 2024

Fanny Hu

发布于2024-11-26

在信息时代，我们的生活依赖于强大的计算能力。然而，随着数据量级越来越大、算法越来越复杂，传统的电子计算性能正在逼近物理极限。在摩尔定律面临失效的当下，人们正在寻找新的突破口。其中，光学计算是一个重要方向。

想象一下，如果未来的计算不再依赖电子，而是通过光的速度与能量来实现会怎么样？这意味着计算单元不受传统半导体技术的物理极限的束缚，光学计算机可以在规模和性能上达到现有技术无法企及的高度，重新定义计算的速度与效率。这并不是科幻，而是光学计算所描绘的现实蓝图。

本次，我们采访了香港城市大学电子工程学院的Steven博士，为我们深入解读光学计算的概念原理以及发展现状。

走近光学计算

Steven表示，光学计算并不是一个新概念，其理论研究可以追溯到20世纪。过去，相关研究主要集中在光通信领域，但随着半导体技术的进步，人们逐渐意识到光子可以替代电子在计算中扮演重要角色。

研究方向与技术原理

与传统的电子计算系统中依赖电子在导体中的移动不同，光学计算通过操控光子来实现数据传递和计算操作。光子具有许多独特的优势，最显著的便是它们以光速传播以及低传输延迟和损耗的特质，这意味着在理论上，光学计算可以实现比传统电子计算快很多的数据处理速度。

目前研究界对于光计算的研究主要可以分为三个方向。第一种是空间光计算，通过操控光在空间中的传播和干涉特性来执行计算任务的技术。第二种是光学矩阵乘法，也可以称为光学神经网络。光束在传播和交互过程中完成矩阵乘法的运算，具有高度并行性和极快的计算速度。第三种是光量子计算，通过干涉、纠缠等量子现象实现计算操作，但目前还停留在实验室研究阶段。

Steven谈到，由于材料科学和制造技术的限制，早期的光学计算主要停留在实验室阶段，难以实现商业化。21世纪以来，随着光子集成技术的发展，制造微小且高效的光子芯片成为可能，光学计算的实际应用也开始从通信领域扩展到数据中心、超级计算机和人工智能等领域。当前我们讨论光学计算的时候，更多指的是第二种。

光子矩阵计算和神经形态光子学发展史，图片来自https://www.nature.com/articles/s41377-022-00717-8

关键技术组件

光学计算系统依赖一系列关键的技术组件，其中光子芯片是光学计算的核心处理单元，它类似于传统电子计算中的处理器。光子芯片中有以下几个最为关键的组件：

光波导：引导光波在计算系统中传播的通道，类似于传统电路中的电线。通过将光约束在特定的路径中，可以将光信号从一个元件传输到另一个元件，同时尽可能减少损耗和干扰。
半导体激光器：光学计算系统通常依赖激光器作为光源，一般用三五族材料，激光器能够产生具有单一波长且相位一致的光，适合用于精确的光学计算操作。
电光调制器：用于将电信号加载在光载波上，利用晶体电光效应调节光波的相位、幅度等，以便光信号可以在光子电路中进行进一步处理或计算。它在高速数据通信、光纤网络、以及光学神经网络等领域发挥着重要作用。
波分复用器：通过将不同波长的光信号复用到同一条光纤中，每个波长携带一个独立的信号，类似于多条"光路"在同一光纤中并行传输，大大提高了光纤通信的容量和效率。
光探测器：用于将光信号转换回电信号或其他可检测的形式，以便输出计算结果。这是光学计算系统与传统电子系统之间的接口之一。
微环谐振器：由一个微小的环形波导和直波导组成，通过光的共振效应对特定波长的光进行选择性滤波和调制。当光的波长满足环周长的整数倍时，该波长的光会在微环中共振，在光通信、传感和光子集成电路中实现高精度的波长选择和信号处理功能。

颠覆摩尔定律

根据摩尔定律，集成电路上的晶体管数量大约每两年翻一番，计算能力也随之提高。然而，随着晶体管尺寸逐渐接近物理极限，继续缩小变得越来越困难，这使得摩尔定律的适用性逐渐减弱。与此不同的是，光学计算不依赖电子和晶体管，因此能够突破传统的物理限制。它通过并行处理光信号和增加波长通道等方式，实现指数级的性能提升，从而超越摩尔定律的瓶颈。与现有的电子计算技术相比，光学计算在多个方面展现了巨大的潜力。

提升计算速度

在现有的电子芯片中，信号的传输速度受限于电路中的电阻、电容等因素，随着芯片尺寸的缩小，信号传输延迟成为一个严重问题。由于光子的高速传播，光学计算可以在更短的时间内完成单个任务的传输和处理，尤其是涉及数据传输、通信和逻辑运算时。此外，光子不会像电子一样在通过导线时产生大量热量和延迟。因此，光学计算在处理复杂运算时能够减少信号的延迟，从而提升计算速度。

减少能量损耗

传统电子计算的能耗很大一部分源于电流通过导体时的热损耗，尤其是在高性能计算中。现有技术需要消耗大量能量进行冷却和维持工作，而光子不像电子那样在材料中会产生电阻，也不会像电子流那样产生大量的热量，能够显著提高能源效率，使得大型数据中心和超级计算机在高效运行的同时降低了运行成本和碳排放。

实现并行处理

光的并行性体现在多个维度，如波长、相位和偏振等，可以同时承载和处理信息，这与电子计算的线性传输方式形成鲜明对比。光学计算的并行处理能力主要依赖于波分复用和光的天然并行特性。例如，光学系统可以在同一光路上使用不同波长的光信号，这些信号互不干扰，可以同时进行不同的运算。这使得光学计算能够在同一时间内并行处理多个数据流和任务，大大提升了多任务处理的效率，因此被广泛应用于AI神经网络、图像处理等领域。

研究方向与行业应用

目前，光子计算仍然属于比较前沿的领域，各大研究机构和公司正在光子计算的不同方向上进行探索，技术成熟度从实验室原型到部分商用不等。

领军机构与企业

在研究领域，加州大学圣巴巴拉分校主要集中于硅光子技术及其集成光子电路的应用，致力于提高光子计算系统的能效和集成度。牛津大学研究团队则专注于开发高效的光子处理器，并探索其在高性能计算和量子计算中的潜在应用。同时，中国科学技术大学在光子量子计算领域进行深入研究，利用光子纠缠和干涉技术推动量子计算的规模化发展。

在商业领域，推动者包括传统科技巨头和新兴创业公司。英特尔的硅光子传输技术已在数据传输中实现商业化，尤其在数据中心和通信领域表现突出。近年来，英伟达对光子计算在AI和数据中心加速计算应用中的潜力表现出浓厚兴趣，目前主要开发光互联模块，以加快数据吞吐，从而显著提升数据处理效率。初创公司则关注更前沿的领域，例如专注于开发光子芯片的Lightmatter和Lightelligence两家公司。Lightelligence在2019年成功推出了世界第一款光子芯片原型卡，并在2021年推出高性能光子计算处理器PACE，能够显著加速人工智能和深度学习任务。

图片来自Lightelligence官网

应用场景

在通信领域，光通信技术已广泛应用于互联网和移动通信网络。光纤通信网络中大量使用基于光子技术的设备，为全球宽带网络、云计算和5G通信奠定了基础，显著提升了网络传输速度。光学计算则进一步优化通信网络，尤其在提高数据带宽和能效方面。光子路由器利用光信号处理网络数据，显著提升互联网数据交换的速度和效率，未来有望成为互联网骨干网络的核心技术之一。

在数据中心，光学计算在处理海量数据时显示出明显优势。传统电子计算系统在功耗和带宽上存在限制，而光学计算具备高速传输和低能耗的特点，许多数据中心已开始采用光子技术以提升内部数据传输速度。光纤通信广泛应用于长距离数据传输，光子计算还可加速服务器间及芯片内部的数据传递，使数据中心更高效地处理和交换数据。

此外，光学计算在人工智能和机器学习中的应用潜力巨大。由于光子计算能够同时处理多个数据通道，其并行处理能力显著加快训练速度，在大规模神经网络训练中效率极高。一些研究表明，基于光学计算的AI芯片速度可比传统电子芯片快数百倍，且能耗更低。光学计算还可应用于光子神经网络，大幅提升深度学习的处理速度。

前景与挑战

商业前景

光学计算虽然目前仍然处于起步阶段，但随着数据量的持续爆发式增长和AI技术的复杂化，对高性能计算的需求大幅上升，光学计算的速度和能效优势成为市场选择的重要驱动力。根据DataHorizzon公司的最新研究，目前全球光子集成电路市场已细分为组件、集成、原材料、应用等，2023 年光子集成电路市场规模约为86亿美元，预计到2032年将增长至476亿美元，年复合增长率为20.9%。

图片来自DataHorizzon

但在采访中Steven 强调，光学计算从实验室推向大规模商用化，目前还面临着一些关键挑战。

商业化挑战

首先，制造工艺是一个关键问题。光子器件的生产涉及纳米级结构设计，如光子晶体和波导，这要求极高的精度，而大规模制造工艺仍不成熟。此外，将光学元件与现有电子元件集成到同一芯片上非常困难，需要解决不同材料的集成及优化光电信号转换和传输的问题。

其次，成本也是一个重要因素。光学计算依赖特殊材料，如光子晶体和非线性材料，其成本通常高于传统硅基电子材料。制造光子芯片和空间光调制器等光学元件的工艺比传统半导体复杂，涉及精密光学对准和高精度制造。此外，现有制造设备主要针对电子芯片，光学计算系统的生产需要新的设备和工艺支持，这显著增加了初期投入成本。

最后，兼容性问题亟待解决。光学计算要实现商业化，必须与现有电子计算架构和设备兼容。光信号与电信号之间的高效转换面临延迟和能耗问题，目前的光电转换器件，如电光调制器和光电探测器，尚未满足大规模应用的要求。此外，光子芯片与硅芯片的工艺路线不同，需要新的集成技术将光学元件无缝集成到现有电子计算架构中，实现芯片内部光与电的耦合和传输也是一大技术挑战。

Steven最后指出，尽管近年来光学计算在制造工艺上取得了一些突破，真正实现大规模商业应用仍需至少10年的时间。