IT之家 11 月 25 日音讯，科技媒体 livescience 昨日（11 月 24 日）发布博文，报导称来自芬兰阿尔托大学的研讨团队成功演示名为“并行光学矩阵-矩阵乘法器”（POMMM）的新一代光学核算根底架构，旨在处理人工智能（AI）模型练习和履行中的中心瓶颈。
IT之家征引博文介绍，现代 AI 模型，尤其是大言语模型（LLM），其功能受限于处理“张量”（Tensor）数据的速度。
Tensor 是 AI 模型中用于安排数据的加权结构，处理速度的上限直接决议了模型规划的上限。POMMM 架构的呈现，为打破这一约束供给了全新思路。
传统光核算虽然在小规划下比电子核算更快、更节能，但存在一个丧命缺点：难以并行处理。与能够大规划串联以指数级提高算力的图形处理器（GPU）不同，大多数光学系统只能线性运转。
因而，虽然光核算潜力巨大，但开发者遍及倾向于挑选 GPU 的并行处理优势。像 OpenAI、Google 等公司开发的尖端 AI 模型，正是依靠数千块 GPU 并行运转才得以完结。
POMMM 技能能使用单次相干光的传达进程，完结整个矩阵与矩阵的乘法运算。其中心原理在于，经过空间光调制器将数字张量编码为光的相位和振幅，光束穿过完结傅里叶变换的透镜组后，运算成果以干与图画的方式被高速探测器捕捉。整个算术进程在光的“飞翔”中瞬间完结，无需电子环路或内存读取，完结了物理层面的“天然同步核算”。
研讨团队依据现成的光学元件搭建了原型机，在规范光学平台上耗时六个月完结拼装。测验成果为，关于最大 50x50 的矩阵，该原型的均匀绝对差错（MAE）低于 0.15，归一化均方根差错（RMSE）则保持在 0.1 以下。
这一精度已能满意许多边际推理使用的需求。虽然当时原型机的能效仅为 2.62 GOP/J（每焦耳履行 26.2 亿次操作），远低于顶尖 GPU，但其潜力巨大。团队着重，这项技能的长处是其扩展性与速度，运算推迟可达纳秒级，远胜于电子核算的微秒级。
为了加快技能验证和社区发展，研讨团队已在 GitHub 上开放了一切代码和数据。这种透明化的做法增强了外界对该技能打破的决心，并招引了全球光子学实验室和 AI 加快器开发者的重视。
研讨人员指出，探测器的动态规模和校准漂移是现在需求霸占的难题，但未来的技能路线图十分明晰。经过将空间光调制器和探测器阵列等中心部件集成到低损耗的氮化硅光子芯片上，能效有望完结百倍提高。
依据团队猜测，集成了专用光子芯片的原型机有望在三年内面世，估计能将能效提高至 300 GOP/J，远超电子 GPU 现在约 30 GOP/J 的能效瓶颈。不过，考虑到封装、温控和激光器集成等工程应战，间隔完结大规划量产或许还需求五年以上的时刻。
