光计算虽潜力巨大，但受限于可编程性与扩展性难题。清华大学团队提出“光子算盘”新架构，通过独特的时空编码方案，巧妙绕过传统方案的DAC瓶颈，成功实现了光计算在通用性和高维度上的突破，为下一代AI算力发展提供了新路径。
智能速览
现有光计算架构难以兼顾通用编程与维度扩展。
“光子算盘”架构由独立的“光源-探测器对”构成基本计算单元。
独创的时空编码方案无需数模转换器（DAC），降低延时与能耗。
实验构建64维“光子算盘”，计算保真度超98%。
成功应用于手写数字识别，并求解了1024维伊辛问题。
精华内容
这一名为“光子算盘”的架构，究竟是如何在打破传统光计算局限的同时，实现高精度与可编程性的完美结合的？
光计算之困
光因其高速、并行的特性，被视为解决AI算力瓶颈的理想选择。然而，传统光学线性计算架构面临两大核心挑战。其一，它们通常依赖复杂的光束相互作用来完成向量乘加运算，导致系统难以扩展至更高维度。其二，为了实现可编程性，方案中需要大量数模转换器（DAC），这不仅带来了显著的延时和能耗，也占用了宝贵的芯片面积。这些限制使得大多数光计算芯片只能作为针对特定任务的专用加速器，而非可编程的通用处理器。
算盘灵感
为破解上述难题，研究团队从中国传统算盘中获得灵感，提出了“光子算盘”计算架构。该架构的基本计算单元被称为“光子算珠”，由一个独立的光源和一个探测器组成。其核心在于，它不再依赖复杂的光束相互作用，而是将待计算的数据分别编码在光源的强度和探测器的响应上，从而直接实现乘加运算。这种设计思路与算盘珠的拨动计算有异曲同工之妙，简洁而高效。
巧思编码
“光子算盘”的另一大创新是其独创的时空编码量化方案。通过控制“光子算珠”在时间维度上的开关状态和在空间维度上的排布组合，该架构能够直接对数据进行编码和混合计算。整个过程完全在光域和模拟域内进行，彻底避免了传统方案中因使用大量DAC进行数模转换而带来的延时、能耗和面积开销。这一突破是实现光计算芯片通用化和高维度扩展的关键。
实测验证
实验上，团队基于64维VCSEL光源芯片和碲化钼二维材料探测器芯片，成功构建了一个64维的“光子算盘”原型。在随机向量内积测试中，该原型机的计算保真度高达98%以上。更进一步，研究人员利用它在MNIST手写数字识别任务中取得了88%的分类准确率，并成功求解了1024维的随机伊辛问题，创造了目前已报道光学模拟退火伊辛机的最高维度纪录。
“光子算盘”架构的成功，为光计算从专用走向通用迈出了坚实一步，展示了其在AI大模型和高性能计算领域的巨大潜力。未来，随着维度和集成度的进一步提升，光计算将如何重塑我们的计算格局？
