深度学习的快速发展和生成式ai的兴起，驱动着神经网络模型复杂度和参数量的爆炸式增长，给传统的电子计算硬件带来了巨大的挑战。面对庞大的张量计算需求，电子计算在计算延迟、功耗等方面存在瓶颈。
光计算技术以其高带宽、低延迟和低功耗的特性，为解决这一瓶颈提供了新的思路。然而，传统光计算架构依赖于光学元件阵列，存在算力密度低和调控复杂等问题。此外，光电转换也带来了额外的功耗。
中国科学院半导体研究所李明研究员团队突破性地提出了一种新型的光学张量处理单元（OTPU），该单元基于无需热调谐的微环谐振器，利用波分复用技术和调制器偏置点改变实现实数域权重调整。这项创新实现了34.04 TOPS/mm²的超高算力密度，为高性能光计算开辟了新的技术路径。
通过光波/微波多域复用技术，该OTPU有效扩展了数据输入维度，实现了光学张量运算，提高了信息访问灵活度，并降低了对高速模数/数模转换器的依赖。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
图1：光学张量处理单元
图2：（a）处理单元实物图；（b）显微镜照片
这项研究成果发表在《光：科学与应用》（Light: Science & Applications）期刊上，题为“High-integrated photonic tensor core utilizing high-dimensional lightwave and microwave multidomain multiplexing”。 李明研究员和石暖暖副研究员为共同通讯作者，孟祥彦博士后为第一作者。该研究得到了国家自然科学基金、中国科学院青年创新促进会、中国科学院国际合作项目和北京市自然科学基金的资助。 该研究成果为人工智能和数据科学中的张量计算提供了突破性的解决方案，展现了光计算在高性能、高维数据处理方面的巨大潜力。
