随着人工智能和组合优化技术在科学研究与工业应用中的广泛渗透,计算需求迅速攀升,带来的高能耗问题成为制约数字计算持续进步的重要瓶颈。传统数字计算虽然经历了指数级硬件性能提升,但面对复杂的深度学习模型和大规模优化问题,其能效和延迟表现难以满足未来需求。模拟计算,特别是利用光学技术的模拟计算,因其天然的并行处理能力和超高速度备受关注。近期,一项开创性的研究推出了模拟光学计算机(Analog Optical Computer,简称AOC),为人工智能推理和组合优化领域带来了全新解决方案。AOC融合模拟电子与三维光学技术,在一个统一的平台上支持双重功能,显著提高计算效率及噪声鲁棒性,免除了数字信号的频繁转换,展示出极具竞争力的性能优势。AOC采用快速固定点搜索模型,通过将输入状态向量的迭代更新映射为固定点的寻找,实现了平衡计算泛化能力与硬件效率的统一。
这一固定点迭代类似于深度平衡网络与能量基模型中递归推理的机制,使其在机器学习推理中具备强大的表达力和计算深度调节能力,同时对组合优化中的目标函数极小化同样适用。硬件架构上,AOC创新地利用微型LED阵列作为光源,空间光调制器(SLM)展示权重矩阵,通过光学路径完成矩阵与向量的乘积计算,光信号经光电探测器转化为电信号,再由模拟电子电路实现非线性操作、加减法和退火过程。该协同反馈循环在约20纳秒内完成一次迭代,支持快速收敛至固定点的全模拟处理,极大减少了数模转换开销,提高了能效。与原有模拟或量子优化硬件聚焦于单一任务不同,AOC平台具备同时加速AI推理和组合优化的能力。研究团队通过四个代表性案例验证了AOC的适用性与高效性,包括手写数字和服装图像分类、非线性回归、医学图像重构及金融交易结算问题。值得一提的是,AOC所采用的消费者级光电元件及成熟制造工艺为其未来大规模集成奠定基础。
通过模块化设计与三维光学阵列的充分利用,系统可扩展至数亿至数十亿权重级别,具备广阔的应用前景。同时,AOC硬件自带的模拟迭代机制天然具备对模拟噪声的吸收能力,保证了硬件系统稳定性,促使其在复杂环境下的实际应用成为可能。人工智能方面,AOC特别适合加速平衡模型和能量基模型的推理。比如深度平衡网络(deep-equilibrium network)凭借其固定点形式的迭代过程,展现出递归推理和动态调节计算深度的优势,但在传统数字硬件上计算成本高昂。AOC通过硬件中固定点迭代的物理实现,天然契合此类模型,支持更复杂的推理任务及更优的泛化性能。研究中,AOC在MNIST和Fashion-MNIST图像分类任务中表现出色,通过与其数字双生体(digital twin)模型对照,验证了高达99.8%的推理准确率,并放眼更大规模4,096权重集成模型,展现了时间复用机制的良好扩展能力。
此外,AOC展现了在非线性回归中拟合高斯和正弦曲线的实力,充分体现了其在连续值计算中的潜质。组合优化领域,AOC利用一种称为二次无约束混合优化(QUMO)的灵活模型,同时表达连续与二值变量,解决了单纯二值形式难以有效建模现实约束的问题。QUMO参数由权重矩阵W和偏置向量b定义,优化算法同样对应固定点搜索。AOC针对实际工业问题展开应用研究,涵盖了医学成像中的压缩感知难题和金融领域的复杂交易结算。医学图像重构中,AOC以QUMO模型模拟MRI数据欠采样情况,实现了基于"零范数"惩罚的压缩感知优化,得到了较传统只最小化数据保真项更优质的图像重构。该模拟硬件在64变量规模实现了欠采样率达37.5%的Shepp-Logan幻影重建,并借助数字双生体在超过20万变量的脑部扫描实例中展示了扩展潜力。
在金融交易结算优化中,AOC成功求解了涉及二值和连续松弛变量的复杂实例,利用块坐标下降方法分解大规模问题,实现了快速全模拟求解,且表现优于现有量子硬件的成功率。AOC在一系列合成和现实基准测试中均显示出卓越的性能,能够在较少采样次数内达成极高的目标函数接近度,远超主流商业求解器Gurobi的运行时间。硬件设计方面,AOC大胆突破传统平面光学架构的限制,运用三维光学结构实现高效光信号的多通道传输和累加,有效利用空间维度强化并行计算能力。所用微LED阵列、液晶空间光调制器和高灵敏度光电探测器均具备现成的产业供应链和制造成熟度,可保证系统工业化的可行性。电子部分采用模拟电路实现非线性转换和状态更新,配合调节增益与退火机制,提升了系统对噪声和非理想器件特性的适应性。未来,随着集成电子与三维光学技术的深度融合,AOC有望在芯片级实现更小型化和集成度,满足大规模模型的需求。
系统预计在8位精度下可实现每瓦500万亿次操作的能效表现,相较先进GPU提升百倍以上,成为未来绿色高效计算的有力武器。AOC的开发不仅彰显了模拟计算与光学技术的复合优势,也提出了一套完整的软硬协同设计范式。数字双生体模型为硬件特性提供高精度仿真基准,使得机器学习模型与硬件迭代算法能够紧密匹配,保障训练和推理的一致性与准确性。此外,该协同框架支持新型模型架构的落地,如迭代推理、自适应计算长度和能量基优化算法,为未来AI与优化领域带来更多创新空间。总的来看,模拟光学计算机融合了高速度、高能效及复合计算能力,为人工智能推理和组合优化提供了革命性硬件方案。其独特的固定点迭代机制与三维光学加速,突破了摩尔定律限制,顺应了当前计算向绿色、可持续转型的大趋势。
随着技术不断成熟和规模化生产的推进,AOC有望成为下一个时代智能计算的核心,引领科学研究、医疗影像、金融科技等多个领域迈向高能效、高性能的新纪元。 。
