偏微分方程（Partial Differential Equations，简称PDE）作为描述自然界和工程科学中连续现象的数学基石，年复一年地促进了科研和技术的进步。无论是流体力学中的纳维-斯托克斯方程，还是电磁学中的麦克斯韦方程组，乃至地质学、气候模型、材料科学等领域，偏微分方程都承担着精确模拟和预测的关键任务。然而，传统的数值解法诸如有限差分法、有限元法在高精度及大规模模拟背景下计算代价高昂，耗时且能源消耗巨大。为此，机器学习（ML）技术逐渐成为求解PDE的新兴助力，但受电子硬件功耗和计算速度瓶颈约束，这一方向的发展仍面临严峻挑战。正是在这样的技术背景下，光学神经引擎（Optical Neural Engine，ONE）登台亮相，为科学偏微分方程求解注入了新鲜血液。该技术结合新兴的光学计算硬件优势，以极低的能耗和超高速的并行处理能力，有望打破传统计算架构的限制。
作为一种融合了衍射光学神经网络和光学交叉阵列结构的创新架构，光学神经引擎重新定义了PDE求解过程中的计算范式。其核心在于同时利用傅里叶空间处理与实空间处理的互补优势，从根本上提升了解算速度和准确性。傅里叶空间分支利用衍射层实现光波的傅里叶变换和逆变换，模拟波动传播和信息转换过程；同时，实空间分支则借助光学交叉阵列完成矩阵向量乘法操作，负责多通道数据的线性变换，进一步提升灵活性和可扩展性。值得一提的是，物理参数分支的加入使得该体系能够处理复杂多物理耦合问题，将时序参数与空间数据有效融合。ONE架构的设计不仅利用光子的高并行性和低能耗特点，还具备实时重构能力，使得同一平台可以迅速适配多样化的PDE问题。这种设计创新使得该技术在保持高性能的同时，具有极强的通用性与适应性。
具体落地场景中，ONE成功应用于多种典型偏微分方程的求解。从经典的达西流动方程，直接描述多孔介质中流体渗透行为，到微磁学中的磁静态泊松方程，针对磁化场产生的消磁场计算，均展现出优异的预测效果。更为复杂的动态问题，如不可压缩粘性流的纳维-斯托克斯方程以及纳米光子学领域的麦克斯韦方程组，ONE依托其时间空间协同处理优势，同样实现了高精度的时域演化解算。此外，在多物理场耦合方面，针对电流与热传导耦合的电加热问题，ONE有效整合电压输入脉冲信号，通过物理参数分支实现温度场的准确预测，体现出其对跨学科复杂系统的强大适应能力。实验证明，光学神经引擎不仅在理论模拟上达到理想效果，更通过搭建自由空间可重构衍射光学神经网络，成功实现了达西流动及纳维-斯托克斯方程的光学求解验证。尽管轻微的衍射干涉噪声带来一定程度误差，但通过训练轻量级卷积神经网络进行后处理，实验证据表明系统可达到与数值模型高度一致的结果。
这样的实验突破标志着光学计算技术应用于科学PDE求解的里程碑。因应实验噪声影响，研究团队进一步采用噪声感知训练方法，有效提升模型对硬件噪声的鲁棒性，缓解计算误差累积，保证大规模深层结构的稳定运行。这些技术细节的优化体现了ONE架构在设备层面与算法层面协同进化的可行性与前瞻性。ONE在能源效率与计算速度方面同样优势突出。与传统电子系统相比，基于光学系统的傅里叶变换和矩阵计算实现接近恒定时间复杂度和极低能耗，突破了传统计算的摩尔定律限制。相较于电子计算巨大的数据传输和多次冗余计算，光学神经引擎能够通过单次光传播完成大规模线性变换，数据读取与写入速度成为主要瓶颈。
未来结合高刷新率空间光调制器（SLM）与高速光探测技术将极大提升系统整体吞吐量，成就实时超大规模偏微分方程计算。值得关注的是，光学神经引擎的多重复用能力，如频率复用、路径复用和偏振复用，为处理更高维度时空数据打开了新路径，为复杂多物理、多尺度问题的求解提供了强大支撑。此外，该技术的硬件可重构性为适应不同问题提供了灵活性，用户可依据具体PDE模型快速调整网络结构和参数，保障性能最优。当前，尽管商业空间光调制器在响应速度上尚有限制，但新兴电光材料与纳米光子学器件的发展预示着GHz及更高频率的空间光调制设备的可期。结合专门设计的高速数字模拟转换和数据采集系统，未来光学神经引擎在科学计算领域的竞赛力将持续攀升。与传统小规模、固定功能的超材料或单一衍射层光学计算设备相比，ONE架构提供了可级联、多层次和多模块协同的全光架构方案，兼具性能、通用性和系统集成度。
其利用商业调制器实现精准的像素级相位幅度调控，并通过专门优化算法弥合模型与实际硬件间差异，这种软硬件一体化的技术路线，显著降低了系统误差，提升了实际应用的可行性。展望未来，光学神经引擎不仅将助力科学偏微分方程的快速求解，还可能催生新一代大规模科学计算平台，推动材料设计、气候建模、航空航天、量子物理等多个领域的研究进入快速迭代阶段。结合主动学习算法与物理感知训练，系统将具备自适应修正功能，应对设备漂移和环境变化，保证性能稳定。长远来看，集成光学芯片技术与新型光子调制材料的突破，将为建设尺寸更小、功率更低、速度更快的全光计算平台铺平道路。与此同时，光学神经引擎的成功示范也为人工智能硬件加速器和类脑计算开辟新视野，将激发更多跨学科交叉创新。结合丰富的物理模型知识和光学计算优势，该方向有望成为解决未来复杂多变科学问题的关键支撑力量。
总结而言，光学神经引擎作为一种融合傅里叶空间衍射网络和实空间光学交叉阵列的创新架构，其在科学偏微分方程的求解中展现出高性能、多功能、低能耗和实时重构的独特优势。通过在多个经典及前沿PDE问题上的数值和实验验证，ONE架构不仅推动了光学计算技术的实用化，还为跨学科科学研究提供了强劲的新工具。未来，随着相关硬件性能提升与算法进化，光学神经引擎将在科学计算领域扮演越来越重要的角色，开创高效、精准、可持续科学计算的新纪元。
