随着人工智能和组合优化技术在科学研究和工业领域的广泛应用,计算需求呈现爆炸式增长,数字计算架构的能源消耗和性能瓶颈日益显现。面对数字计算在能效和延迟上的限制,模拟计算尤其是模拟光学计算机(Analog Optical Computer,简称AOC)成为业界瞩目的创新方向。AOC通过融合模拟电子学与三维光学技术,以非传统计算平台的形态实现了人工智能推理和组合优化任务的高效加速,为可持续计算铺就了新路径。模拟方法不仅能显著提升计算能效,更因其天然的反馈迭代结构,展现出强大的噪声鲁棒性,对于模糊环境和大规模运算尤为重要。AOC通过快速固定点搜索算法,避免了频繁耗能的数字转换,适配了神经网络推理与高级梯度下降优化,真正实现了通用高性能计算。 模拟光学计算机的核心理念在于将矩阵向量乘法转移至光学域完成,利用微型LED阵列作为激光或非相干光源,将状态向量编码为光强度,同时采用空间光调制器(SLM)记录神经网络权重或优化问题系数,完成光学乘法运算。
通过特殊的三维光学布局,集合球面和柱面镜等元件,实现了高效光的发散与聚合,克服了平面束路设计的限制,确保高度并行化和拓展性。光信号经过光电探测阵列转换回电子信号,剩余的非线性运算及反馈机制在模拟电子部分执行,包括双曲正切非线性、信号加减法以及基于时间变化的退火过程。这种光电混合反馈循环在纳秒级内完成一次迭代,具备极强的计算速度优势,同时通过一定的迭代次数稳态收敛至固定点,提高抗噪声能力,进一步保证结果稳定可靠。 AOC的固定点抽象模型统一了机器学习推理与组合优化问题。对于机器学习,尤其是等价网络(equilibrium models)及能量模型,其推理本质为一个固定点搜索过程。深度递归的等价模型可在相同硬件上自然运行,允许动态推理深度和递归推理能力,提升对复杂任务的泛化。
优化方面,AOC支持具有混合连续与二值变量的二次无约束混合优化(QUMO)问题。相较于传统的二次无约束二进制优化(QUBO)问题,QUMO可将线性不等式约束以松弛变量高效嵌入目标函数,大大减少变量数量,拓宽优化应用范围。该统一固定点算法允许AOC在同一硬件平台上轻松切换推理与优化场景,且无需中间数字转换,保证极高运算效率。 在真实硬件实验中,当前AOC平台采用16个微型LED与16个光电探测器组成,能够支持16维状态向量,利用双SLM显示正负权重,实现最高256权重的网络规模,以及通过时分复用扩展至4,096权重。机器学习任务涵盖了图像分类和非线性回归。MNIST和Fashion-MNIST手写数字/服装图像识别测试结果显示,AOC硬件准确性高度接近数字仿真,且优于相同规模的线性分类器,体现了递归推理和非线性机制的优势。
回归任务设计了高斯与正弦曲线拟合,虽然受模拟噪声影响存在一定预测波动,但整体拟合误差控制在合理范围内,并可通过重复采样多次均值消减随机扰动。硬件实验与数字孪生模型(AOC-DT)模拟协同验证,后者在多个非理想效应的模拟下保持99%以上的准确对应。 组合优化案例中,AOC围绕医学图像重建与金融交易清算展开,展现其实际应用潜力。针对医学界广泛关注的磁共振成像(MRI)压缩感知问题,AOC利用QUMO问题形式,重新实现基于ℓ0范数的原始稀疏表示优化,超越传统ℓ1正则化方法。具体实现中,利用二维Shepp-Logan幻像及真实大脑扫描数据,提出分块坐标下降(BCD)策略,将大规模变量拆解成小问题循环求解,实现对丢失采样信息的精准恢复。金融领域的交易清算问题涉及多方复杂约束,是典型的NP难优化任务。
AOC将线性约束与二元决策融合至QUMO模型中,经过模拟实验显示,在41变量实例中,AOC在少量BCD迭代次内达到全局最优。对比量子软硬件与商业优化器,AOC表现出更高的成功率和更短的收敛时间,进一步彰显其工业应用价值。 除此之外,AOC在成熟的消费者级光电子器件基础上构建,利用Gallium Nitride微LED阵列、反射式液晶空间光调制器及高速光电探测阵列,结合模拟电子放大器、多路增益调整器与非线性转换电路,保证高带宽(数百MHz至GHz)和高灵敏度。模拟光学系统设计巧妙兼顾光路耦合、信号线性化与状态稳定,实现了规模可扩展及模块组合。预计未来通过集成化3D光学和电子芯片紧密耦合,可达到10亿级别权重规模,颠覆传统冯·诺依曼架构内存计算瓶颈,最终实现百倍功耗降低和大幅度计算加速。 尽管AOC目前的样机规模较小,但数字孪生模型已完成超20万变量的脑影像重建仿真,达成领先商业求解器的加速表现。
迭代固定点算法天然适配模拟硬件,且通过自适应退火和动量项控制收敛性能,算法具备快速且稳定收敛能力。这种硬件与算法的协同设计,有望催生下一代绿色高效AI推理与决策引擎。模拟光学计算机以其独特优势满足了对高效、多样化计算需求的时代呼声,赋能未来智能时代的创新发展。 总结来看,模拟光学计算机为人工智能推理与组合优化提供了全新范式,成功绕过了数字计算在能源和速度上的限制。它通过高并行光学矩阵计算、模拟电子非线性运算与快速固定点搜索结合,打造了统一而高效的计算框架。尝试于图像识别、回归问题、医学影像重建及金融交易等实际应用中均取得了显著成效。
未来随着硬件制造及3D光子集成技术的成熟,模拟光学计算机将支持大规模模型和优化任务,推动人工智能和工业计算迈入绿色与高速发展的新时代。其创新体系不仅为人工智能的高效推理打开新局,也为复杂组合优化提供强大算力,助力科技与产业变革。 。
