偏微分方程（Partial Differential Equations，PDEs）是描述自然界物理现象的重要数学模型，广泛应用于流体动力学、电磁学、热传导、量子力学等领域。传统基于数值方法的PDE求解，如有限差分、有限体积和有限元方法，虽然能提供高精度的解，但计算资源消耗巨大，计算时间长，尤其在高维问题和多物理场耦合中，求解时间和能耗的增加成为科研和工程应用中的难题。面对这一挑战，机器学习作为一种新兴工具，以数据驱动的方式加速PDE求解的研究热潮迅速兴起。数据驱动模型，尤其是基于神经网络的算子学习方法，能够通过训练得到隐式的算子映射，极大缩短求解时间，实现快速预测和仿真。然而，现有的电子硬件在面对大规模、高复杂度神经网络时，面临着能耗瓶颈和计算延迟，限制了其在实际科学计算中的推广应用。针对这一背景，光学神经引擎应运而生，成为突破传统电子计算瓶颈的有力方案。
光学神经引擎采用光学信号进行计算，运用光子特有的高速传输和自然并行能力，有效解决了电子计算中的能耗高和并行性受限问题。在ONE架构中，光学系统被设计为充分利用光的傅里叶变换性能以及光学矩阵乘法运算能力，整体分为傅里叶空间处理和实空间处理两个分支。傅里叶空间处理依赖可重构的衍射光学神经网络（Diffractive Optical Neural Networks，DONNs）实现光场的空间频谱调控，通过多个可调节的衍射层对输入信号进行衍射、调制和重组，从而高效执行空间频率域的复杂线性运算。与之配合的实空间处理分支则通过光学交叉条阵列（Optical Crossbar，XBAR）结构，实现基于光强的矩阵向量乘法，满足实空间中精细数据转换的需求。这种双空间处理的系统设计不仅优化了计算效率，也增强了模型的表达能力。 光学神经引擎的最大亮点还在于其高度的实时可重构性。
借助空间光调制器（Spatial Light Modulator，SLM）等光学元件的可编程性，系统能动态调整衍射层的结构参数或交叉条阵列的传输矩阵，实现快速适配不同的PDE求解任务，支持从稳态问题到时变多物理场耦合情景的广泛应用。传统数值模拟过程往往需依赖逐步迭代，耗时漫长，而基于ONE的光学计算过程则可以在常数时间内完成大规模线性运算，极大提升了运算速度和实时响应能力，非常适合复杂多维环境下的科学计算需求。 具体来看，ONE成功应用于多个具有代表性的科学偏微分方程求解任务，包括流体力学中的Darcy流动方程、微磁学中的磁静力泊松方程、不可压缩流体的Navier-Stokes方程、光子学中的Maxwell电磁场方程，以及涉及电流和热传导耦合的多物理场问题。每一种应用均经过数值和实验验证，展示了ONE在高精度预测、训练损失收敛速度和误差分布控制方面的卓越表现。与当前最先进的机器学习模型相比，ONE不仅在效果上实现了相当甚至更优的预测，还兼具光学硬件的低能耗和强并行优势，表现出巨大的实际应用价值。 值得关注的是，光学神经引擎能够克服传统数值模拟对计算规模的依赖，实现几乎与模型规模无关的常数时间计算。
这得益于光学系统中对空间光场的并行处理能力和不依赖电子元件的能量消耗机制。以大规模衍射光学层面为例，体系中数千乃至百万像素级别的空间光调制器能够同步完成复杂的傅里叶空间运算，完成的计算耗能极低，速度却远超大多数电子计算平台。除核心计算单元之外，光学神经引擎在训练阶段融合物理参数分支，将额外的物理信息如时间序列参数等通过全连接层整合至模型，增强了任务处理的多样性和适应性，满足了现实多元复杂环境的求解需求。 光学神经引擎的实验构建以自由空间可重构的衍射光学神经网络为基础，通过激光光源提供连贯光场，利用高精度空间光调制器调节光的相位与幅度，逐层实现光波的衍射传播和调制操作，最终通过图像传感器捕获输出光场信息。实验中的光学系统需要进行细致的像素级对齐，以及引入先进的噪声感知训练策略，提升抗噪声能力，保证在实际光学元件的离散调制和系统误差影响下依然实现稳健的数值求解。针对实验与模拟结果的差异，还利用卷积神经网络进行后处理精修，提升输出数据的匹配度，体现了ONE体系的高度可控性和应用灵活性。
与电子计算平台相比，光学神经引擎展示了显著的能耗优势。电子计算中矩阵乘加运算消耗大量静态和动态能量，且复杂度随着空间分辨率的提升呈现多项式增长。而ONE光学实现借助光的天然波动性质，线性运算几乎零静态能耗，并且实际能耗主要来自于光源照射功率，且该功率可通过多路分频实现系统规模扩展。此外，光学计算的吞吐量在大数据规模下相比电子计算拥有更优的扩展性，处理时间不再随着数据规模增加而扩大，最终体现为面对复杂PDE求解任务时的独特优势。 对于未来展望，ONE架构具备进一步扩展至更高维度数据处理的潜力。利用光学多路复用技术，如波长多路复用、路径多路复用和偏振多路复用，能够实现在不同通道上的并行计算，极大提升系统的总体计算吞吐量。
同时，随着光学元件如相位调制器、调制速度和精度的不断提升，光学神经引擎将在更广泛的多物理场耦合模拟、新材料设计、气候模型、航空航天仿真等领域发挥重要作用。更加高效的小型化光学集成芯片和新型纳米光学结构将推动ONE走向普及，成为科研机构和工业计算中不可或缺的新力量。 综合来看，光学神经引擎作为一种新兴混合光电计算平台，将深刻影响未来科学计算的范式。它以其极高的并行度、低能耗及卓越的实时重构能力，有效突破了传统电子计算的瓶颈，为科学偏微分方程的高效求解开辟了全新途径。随着软硬件技术的成熟和生态体系的建设，ONE必将在加速复杂物理系统模拟、推动智能制造及环境预测等领域提供强大助力，成为推动科学技术创新发展的重要引擎之一。
