本文由「Light科普坊」出品

撰稿：焦述銘（鵬城實驗室）

審稿專家：曹良才（清華大學）

我們平時生活離不開各種“鏡子”，從最普通的梳妝鏡，到近視眼鏡，老花鏡，放大鏡，望遠鏡，顯微鏡，每一種鏡子各有所長，有的可以在面前展示出一摸一樣的你，有的把微小的圖像放大，還有的把看不清的模糊圖像變得清晰，或者把遠處的圖像拉到近處，又或者把分散的陽光會聚到一個點，也就是大家都聽說過的在野外求生時使用放大鏡取火。

“鏡子”更專業點說是一種光學器件或光學裝置，不同器件可以通過反射，折射，干涉，衍射，散射等各種物理效應，像玩魔方、變魔術一樣把光操縱于股掌之間，把亮光變暗，把暗光變亮，把朝一個方向照的光轉到另一個方向，最終讓你眼前看到各種變換后的圖像。中學物理課上提到的凸透鏡和凹透鏡就分別可以讓光會聚或者發散，使得圖像自由地放大縮小，是最基本的光學器件。

圖1：讓光會聚和發散的凸透鏡和凹透鏡

除了我們熟知的那些“份內”工作之外，光學器件還可以完成很多意想不到和出乎預料的“份外”工作。

想象一下，這些鏡片還可以利用光來做算術題，識別人臉，幫助無人汽車自動駕駛，乃至構建出一臺光子計算機，是不是感到很神奇？

光子計算機與電子計算機相比有何優勢？

目前我們平時使用的計算機，無論智能手機，筆記本電腦，還是機房里龐大的服務器系統，都是由半導體電子器件構成的，每塊芯片上最基本的組成單元是晶體管。單個晶體管只相當于一個微小的開關，但是很多個連接到一起就可以“集中力量辦大事”，解決越來越復雜的計算問題。

經過幾十年的發展，每塊計算機芯片上集成的電子器件數量已經非常巨大，幾平方厘米上就有數以億計的電子晶體管，在這樣的密集程度之上改進的空間有限，難以應付全世界越來越多的數據計算需求，“芯片上可以容納的晶體管數目在大約每經過18個月便會增加一倍，處理器的性能也會相應翻倍”的摩爾定律不再那么容易兌現，而全球計算機每年消耗的總電量也非常龐大，不可忽視。

研究者們在不斷另辟蹊徑，尋找新的計算機設計方案，在一些場景下嘗試使用光子計算取代電子計算也是可能的選擇之一。

事實上，計算機也不是天生“命中注定”就必須要用電子器件來搭建，在二戰期間及更早之前，歷史上的計算機大多是機械式的，由杠桿齒輪組成，圖靈就曾經用機械計算機成功破解了德國軍隊的密碼。

而除了光學計算機和機械計算機，研究者在嘗試的方案還包括量子計算機、生物DNA計算機和化學分子計算機等。

以Google“懸鈴木”和國內“九章”“祖沖之號”為代表的量子計算機研究在近些年被媒體廣泛報道，然而量子計算機和本文所說的光子計算機總體上還是大不相同的，量子計算機不一定使用光學方式實現，還可以使用超導，量子點，離子阱等方式，而光學類型的量子計算機主要依靠微觀的量子光學，本文所說的光子計算機依靠的是宏觀的經典光學，說白了就是，前者主要通過單個或者很少數的光子來實現，后者通過非常大量的光子組成的一束束光來實現，光子數量的多與少會帶來天差地別。

圖2：電子計算機芯片

眾所周知，光的傳播速度可以達到每秒30萬公里或者接近這個數值，而在電子計算機中，信號在半導體器件中傳遞的時候“反應”往往沒這么塊，需要片刻的停頓時間，盡管這一響應時間也很短，但和幾乎瞬間傳播的光信號相比還是相形見絀，光子計算機在高速低延遲這一項上占了先機。

組成光子計算機和電子計算機的最基本粒子分別是光子和電子，它們同樣微小，確在本性上大不相同。

電子屬于費米子，光子屬于玻色子，電子就像青春期荷爾蒙分泌旺盛的熱血青年，“脾氣比較暴躁”，容易互相之間發生作用，碰撞到一起，散發出熱量，兩條電路不小心碰到一起就會“短路”。而光子更像是與世不爭、包容大度的佛系大叔，不輕易“惹是生非”，很多束不同的光都可以互相穿過而不發生相互作用，“你走你的，我走我的”而互不影響，在同一空間共存，和你碰一下也不會“電到你”。

相聲大師侯寶林曾說過一個段子，一個酒鬼手里拿著手電筒往天上照,打出一個光柱,對另一個酒鬼說:“你說你沒醉,那你敢爬這柱子上去?”另一個酒鬼回答:“我才不爬，要是爬上去了，你把手電筒關了，我不就掉下來了！”

圖3：兩束光碰到一起并不會發生短路，而是互不影響地穿過

既然光子“性格”是這樣，我們可以利用很多條互不干擾的光束，同時進行平行的大量數據計算，不必像電子器件那樣要一味不斷增加單位面積上的密度，單純靠“器件多力量大”的簡單粗暴方式提升計算能力，電子計算機很多時候好比把所有車都擠在一條車道上，而光子計算機擁有一條多車道的寬闊公路。

與此同時，由于光子不容易發生相互作用，光計算機還只會消耗很少的能量，就像一副近視眼鏡不需要插電源，也不需要安裝電池，只要有光照過來，就可以被動的方式工作。

據估計，在計算速度和能量利用率等性能指標上，光子計算機有望達到現有電子計算機的數十倍甚至數百倍[1]。

除此之外，在一些特定場所，比如醫療設備室和射電天文臺，電子設備不可避免地會發出一定的電磁波輻射，有干擾設備正常運行的風險，光子計算機會是一個更安全的選擇。

而在另外一些情景中，我們要處理的信號或者要計算的數據本身就是以光學方式表示的，比如自然界物體圖像的光場，經過數碼相機拍攝后，轉換為電子形式的數據，用于電子計算機的處理，而處理后的照片在屏幕上顯示時，再次轉換回光信號的形式，如果直接使用光子計算機處理相機、顯示屏以及光通信中的光信號，“原湯化原食”，可以避免光電信號之間來回多次轉換的麻煩。

光子計算機是怎么工作的？

無論哪種計算機，都是一臺用于執行各種計算任務的機器，要完成的最基本工作自然是加減乘除的算數，或者更具體說是加法和乘法，很多表面上看起來復雜的計算過程最終還是可以分解為大量的加法乘法基本運算。

光學上有很多不同方式可以實現加法或者乘法計算，舉個簡單例子，一個房間里原本是完全黑的，打開第一盞燈，房間變亮了一些，再打開第二盞燈，房間變得更亮了，此時房間內的亮度就是兩盞燈各自照明亮度的疊加，這樣以簡單光學方式做了個加法。

而如果用不同位置光的強弱(或者明暗)來表示數值的大小，放大鏡類型的凸透鏡可以把不同位置的光會聚到一起，也相當于用光的方式實現了加法。

光照到不透明物體表面的時候，一部分會被吸收，一部分會被發射，反射的光強弱等于入射光強弱乘以反射率，而反射率是可以調節的，比如夏天烈日炎炎之下，我們穿著黑色衣服就容易感到發燙，因為黑色表面對光的吸收率更高，反射率更低，而白色衣服則相反，穿著會更舒服。

那么我們要乘以什么樣的數值，就把反射物體表面不同位置的反射率適當編碼設置成對應的大小，就可以讓光以自然方式完成乘法了，用探測器測量一下反射光的強弱，就獲得了乘積結果。

當然，我們也可以使用透明的物體，從另一側穿過的光強弱等于入射光乘以透射率，把不同位置透射率調節為要相乘的數值大小即可。

下圖中這樣先對不同位置光反射率或透射率進行調節，并行實現各個對應位置數值的乘法，再把這些乘積用透鏡求和的光學裝置，就是一個簡單的“光學乘加計算器”。

圖4：利用透鏡會聚的光學乘加計算器[2]

而在加減乘除之外，對于更復雜的計算，光學上也時常可以提供一條相比于電子計算的捷徑，比如數學上的二維傅里葉變換，以電子的方式需要設計算法，編寫程序代碼，最后花費一定時間運行程序才能獲得結果，而光學上僅僅通過一個透鏡就可以光速地獲得結果，因為光的衍射傳播方式恰好是對傅里葉變換一種自然方式的實現[2]。

近些年來，作為對真人大腦工作方式的一種模擬，深度學習神經網絡在各領域內被廣泛使用，成為了最主流的人工智能模型，通常都是在電子計算機上以軟件算法的方式實現，而研究者也以全光學方式實現了簡單的多層神經網絡，整個網絡中沒有電路和電子器件，只有光路和光學器件，以上提到的光學乘加器也被用于了模擬相鄰兩層神經元之間的信號傳遞[3]。

在光學實驗室中，研究者很多時候會使用激光，由于光可以具有不同頻率（或波長），在眼睛可見的范圍內就對應著不同顏色，普通日常使用的太陽光和燈光混雜著各種不同頻率光，而激光的頻率比較單一，比如綠色的激光意味著更純正的綠色，可以形成一道能量比較強的高度會聚光束。

有了激光，更加花樣繁多的光學計算系統也被設計出來。一個像放大鏡那樣的普通凸透鏡器件中間厚，兩邊薄，具有對稱的規則形狀，而我們可以讓器件不同位置都智能優化成不同的厚度，這樣一個既不是凸透鏡、也不是凹透鏡的凹凸不平的器件可以更復雜、更靈活地對光進行調制，稱為衍射光學器件，而且還可以把“一串”這樣的器件級聯到一起，每一層先后依次調節光場，這樣最終能達到的效果就遠遠不是“把陽光會聚起來點個火”那么簡單了。

在下圖中名為“光衍射神經網絡”的系統中，當輸入平面不同位置的光強弱分布表示不同數字的圖案時，在系統另一側的輸出端，光經過優化設計的一連串衍射光學器件調制后，能夠按照數字的不同會聚到不同位置，光指到哪里就告訴我們數字是哪一個，會直接顯示出數字分類識別的結果。

在這樣的系統中，光好像也有了智能，也可以像人一樣識別數字，人工智能也不再是電子計算機的專屬。

圖3：光衍射神經網絡用于數字識別[4]

而另外一些研究者探索使用下面看似“下水管道網絡”的系統來進行光計算，其中的每條藍色管道稱為光波導，里面傳播的是光而不是水流。

正常情況下光會在一根波導中“安分守己”地從一端傳到另一端，但是當兩條波導靠得很近的時候，就會“紅杏出墻”“節外生枝”，兩根波導中的光信號互相一部分跑到對方里面，設計者有意地讓兩條波導多次發生這種相互干擾，構造了很多個稱為馬赫·曾德爾干涉儀的基本單元，并且連接到一起組成一個網絡。

原本最左面每條波導輸入端口光的亮度表示了各個輸入數據值的大小，經過這種很多次光的干涉之后，各條波導內的光可能變得更亮，也可能變得更暗，經過對所有干涉儀單元都進行適當的設置，測量下整個網絡最右面各個輸出端口光亮度，可以獲得想要的計算結果，比如輸入的是某一個向量各個元素值大小，獲得的是一個新向量，表示輸入向量與某一個矩陣相乘后的輸出結果。

圖4：馬赫·曾德爾干涉儀網絡用于光學計算[5]

像馬赫·曾德爾干涉儀這樣的光學系統原本體積比較龐大，要占據整張桌子那么大，如果很多個連接在一起，恐怕也要像幾十年前剛剛發明時的電子計算機那樣占滿整個房間。而通過這種以波導方式的實現，系統尺寸會很微小，可以達到微米級別或者更小，很多個馬赫·曾德爾干涉儀都可以集成到一塊小小的芯片上。

硅基光子學使得光子芯片可以和電子芯片類似的方式被設計加工出來，各種光學器件都可以“身段”越變越小，集成到一起，一塊光子芯片“麻雀雖小，五臟俱全”，這為光子計算今后在終端便攜式消費產品（如手機和平板電腦）中的使用鋪平了道路。

“智能玻璃”也是一種巧妙設計的光學計算裝置[6]，在一塊純凈的玻璃中，原本光可以暢通無阻地從左向右傳播，但是一旦加入了很多塊包含另一種材料的雜質，就像一杯奶茶里加入很多塊布丁一樣，由于雜質和玻璃具有不同的反射率和折射率，光在來回繞過這些“障礙物”的時候，就像走迷宮一樣，會“東走走，西走走，左沖右撞”，改變了原本正常的傳播路徑，如果對于這一“迷魂陣”中所有摻雜物的位置，大小和形狀進行合理設計，最后大多數的光子還是可以會聚到目標的位置，和光衍射神經網絡一樣指示出分類識別結果。

圖5：(a)智能玻璃散射介質的光計算裝置[6]；(b)光在障礙物組成的“迷魂陣”中“左碰右撞”突出重圍[6]

以上提到的這些光學計算方式都可以歸類為模擬光學計算，也就是直接用光的亮度或者其它物理量大小表示要計算的數值大小，而我們平時使用的電子計算機中通常使用的是邏輯門數字計算，也就是先把要處理的日常十進制數值都轉化為包含0和1的二進制數字序列，比如28用二進制表示就是11100，2用二進制表示就是10，有一句經典的話“世界上有10種人，一種是懂二進制的，一種是不懂的”，然后每個邏輯門可以處理簡單的1和0之間運算，比如與門，或門，非門等不同類型，它們輸入輸出都是0或1，但計算規則各不相同，單個邏輯門的功能雖然非常簡單，但很多邏輯門連接到一起組成一個邏輯電路系統，就可以完成更復雜計算。電子計算機得以快速發展到今天，其中一個關鍵是科學家發現了晶體管這種電子器件能夠在硬件上便捷地實現邏輯門運算。

圖6：各種不同類型的邏輯門

知名作家劉慈欣的科幻小說《三體》中，三體星系的一顆行星上“秦始皇”為了預知自己王朝的命運，用三千萬秦兵組成了“人列計算機”，每位揮舞黑白旗表示0或1的士兵作為一個邏輯門。兩名士兵負責信號輸入，一名士兵負責信號輸出，士兵按規則舉旗，黑色和白色的旗此起彼伏，而計算機的運算速度就取決于士兵們的反應速度。

在另一本由吳巖老師創作的科幻小說《中國軌道號》中，研究所的顧正平所長在研究一種超新型的“溶液計算機“，龐大的計算機系統包含了裝著五顏六色溶液的各種瓶瓶罐罐，溶液里面有大量兩種敵對的線蟲微生物個體，一種代表二進制的0，一種代表二進制的1，它們在成長的過程中，相互吞噬、排斥和共存，程序員通過控制溶液里的反應，完成了各種邏輯門計算功能，最后計算輸出結果就以溶液的顏色變化顯示出來。

科幻小說中的情節無論是科學合理性如何，至少給我們帶來了一個啟示，邏輯門也未必一定要通過電子方式實現。那么在光學上，盡管沒有和電子晶體管直接對應的器件，研究者也在探索使用多種不同方案來實現邏輯門，比如使用半導體光放大器或者光波導，光學邏輯門計算機作為另一種可能的路徑也在不斷被嘗試[7]。

有人說，19世紀是機械時代，20世紀是電子時代，那么21世紀可能會是光子時代[8]。盡管光子計算機目前主要還在大學，研究機構和初創公司的實驗室中處于研發的階段，平時還很少能見到商業化的產品，但是它未來廣闊的前景吸引了各界的關注。在今后某一天，如果遇到了無法解答的難題，或許光可以告訴你答案。（拓展閱讀：《中國為什么有條件在這個領域率先突破？》）

| 作者簡介 |

焦述銘，鵬城實驗室助理研究員，香港城市大學電子工程博士，從事全息三維顯示算法，單像素成像，光學計算，圖像處理，信息安全，機器學習等研究，曾獲得香港特區政府Hong Kong PhD Fellowship Scheme和廣東省“珠江人才計劃”海外青年引進計劃(博士后資助項目)。在Optics Letters, Optics Express, IEEE Transactions on Industrial Informatics, Engineering等期刊上以第一或通訊作者發表論文20余篇，獲得2020年國際顯示技術大會(ICDT 2020)優秀論文獎。擔任《應用光學》和《液晶與顯示》期刊青年編委，中國光學學會全息與光信息處理專業委員會委員，中國圖像圖形學學會三維成像與顯示專業委員會委員，中國圖像圖形學學會三維視覺專業委員會委員。擔任中國科普作家協會會員，Light科普坊科學家顧問團成員，曾在果殼網，科學大院，南方都市報，讀者原創版等網絡和平面媒體撰寫科普文章，2013年第六版《十萬個為什么》圖書數學分冊和電子信息分冊作者之一。

| 參考資料 |

本文封面圖由Light科普坊提供

1. H. Zhou, J. Dong, J. Cheng, W. Dong, C. Huang, Y. Shen, Q. Zhang, M. Gu, C. Qian, H. Chen, Z. Ruan, and X. Zhang, “Photonic matrix multiplication lights up photonic accelerator and beyond,” Light Science & Applications 11, 30 (2022).

2. J. Wu, X. Lin, Y. Guo, J. Liu, L. Fang, S. Jiao, and Q. Dai, “Analog optical computing for artificial intelligence,” Engineering 10, 133-145 (2022)

3. Y. Zuo, B. Li, Y. Zhao, Y. Jiang, Y.-C. Chen, P. Chen, G.-B. Jo, J. Liu, and S. Du, "All-optical neural network with nonlinear activation functions," Optica 6(9), 1132-1137 (2019)

4. X. Lin, Y. Rivenson, N. T. Yardimci, M. Veli, Y. Luo, M. Jarrahi, and A. Ozcan, “All-optical machine learning using diffractive deep neural networks,” Science 361(6406), 1004-1008 (2018).

5. Y. Shen, N. C. Harris, S. Skirlo, M. Prabhu, T. Baehr-Jones, M. Hochberg, X. Sun, S. Zhao, H. Larochelle, D. Englund, and M. Solja?i?, “Deep learning with coherent nanophotonic circuits,” Nature Photonics 11(7), 441-446 (2017).

6. E. Khoram, A. Chen, D. Liu, L. Ying, Q. Wang, M. Yuan, and Z. Yu, “Nanophotonic media for artificial neural inference,” Photonics Research 7(8), 823-827 (2019).

7. S. Jiao, J. Liu, L. Zhang, F. Yu, G. Zuo, J. Zhang, F. Zhao, W. Lin, and L. Shao, "All-optical logic gate computing for high-speed parallel information processing," Opto-Electronic Science 1(9), 220010 (2022).

8. 以科技革命的戰略眼光布局光子芯片，《瞭望》2022年第2期

閱讀原文