美國康奈爾大學(xué)科研團隊在光學(xué)計算領(lǐng)域取得重要進展，成功將光學(xué)神經(jīng)網(wǎng)絡(luò)物理尺寸縮減超過90%，同時保持推理性能基本穩(wěn)定。這項突破性成果為智能硬件小型化開辟了新路徑，有望推動智能手表搭載光速AI助手、汽車配備類人視覺系統(tǒng)等應(yīng)用場景落地。

研究團隊通過開發(fā)新型模型壓縮策略，使光學(xué)神經(jīng)網(wǎng)絡(luò)物理尺寸壓縮至傳統(tǒng)設(shè)計的1%-10%。該技術(shù)突破源于對光學(xué)系統(tǒng)非定域性的深度理解——傳統(tǒng)設(shè)備為避免計算干擾需增加厚度，而新策略通過限制光信號的橫向信息交換范圍，在保持性能的同時實現(xiàn)器件薄型化。實驗數(shù)據(jù)顯示，當(dāng)計算規(guī)模擴大100倍時，器件厚度僅增加約10倍，遠低于傳統(tǒng)設(shè)計的線性增長模式。

光學(xué)計算相比傳統(tǒng)電子計算具有三大核心優(yōu)勢：能效方面，光信號傳播損耗顯著低于電信號，在超大規(guī)模矩陣運算中能耗優(yōu)勢突出；信息通量上，自由空間光學(xué)系統(tǒng)可同時調(diào)控百萬級空間模式，頻譜帶寬達太赫茲量級；運算速度層面，光計算直接處理光信號的特性，避免了電子處理器必需的光電轉(zhuǎn)換延遲，在自動駕駛等實時性要求高的場景具有關(guān)鍵價值。

針對不同光學(xué)平臺，研究團隊提出差異化解決方案。在自由空間光路系統(tǒng)中，通過引導(dǎo)神經(jīng)網(wǎng)絡(luò)形成"本地稀疏結(jié)構(gòu)"，將遠距離連接壓縮至局部區(qū)域，結(jié)合常規(guī)權(quán)重剪枝技術(shù)，使器件厚度降低至傳統(tǒng)設(shè)計的2%-25%。在光子芯片平臺，創(chuàng)新采用塊對角計算結(jié)構(gòu)，將全局耦合運算拆分為獨立小模塊，在保持性能的同時將器件需求量從平方級降至準(zhǔn)線性級，超大規(guī)模場景下可減少約99%的器件數(shù)量。

實際應(yīng)用驗證中，研究團隊設(shè)計的小型化光子芯片模塊成功替代目標(biāo)檢測模型Faster R-CNN中的大規(guī)模矩陣運算單元，移除超過60%的GPU側(cè)參數(shù)，顯著減輕計算負擔(dān)。這種硬件加速方案為邊緣計算設(shè)備集成光學(xué)處理器提供了可行性示范，特別是在需要處理海量視覺數(shù)據(jù)的自動駕駛、增強現(xiàn)實等領(lǐng)域具有應(yīng)用潛力。

該成果突破了光學(xué)計算設(shè)備體積與性能的固有矛盾，但研究者指出這僅是起點。當(dāng)前研究正深入探索光學(xué)系統(tǒng)的信息處理本質(zhì)，嘗試構(gòu)建基于光學(xué)計算的云服務(wù)平臺。通過將光計算資源開放給更廣泛的研發(fā)群體，有望催生適配光學(xué)硬件的專用算法，推動智能硬件進入?yún)f(xié)同進化新階段。研究團隊特別強調(diào)，未來光學(xué)系統(tǒng)設(shè)計將融合物理規(guī)律理解與智能優(yōu)化算法，為智能硬件發(fā)展開辟全新想象空間。