在當今的數字時代，計算任務變得越來越複雜。 反過來，這導致數字計算機消耗的功率呈指數增長。 因此，有必要開發能夠以快速和節能的方式執行大規模計算的硬件資源。
在這方面， 光計算機，它使用光而不是電來執行計算，很有前途。 它們可以潛在地提供更低的延遲和更低的功耗，受益於並行性 光學系統 有。 因此，研究人員探索了各種光學計算設計。
例如，衍射光學 網絡 通過光學和深度學習的結合設計，以光學方式執行複雜的計算任務，例如圖像分類和重建。 它包括一堆結構化的衍射層，每個層都有數千個衍射特徵/神經元。 這些無源層用於控制光與物質的相互作用，以調製輸入光並產生所需的輸出。 研究人員通過使用以下方法優化這些層的輪廓來訓練衍射網絡 深入學習 工具。 在最終設計製造完成後，該框架作為一個獨立的光學處理模塊，只需要一個輸入照明源供電。
到目前為止，研究人員已經成功設計了單色（單波長照明）衍射網絡，用於實現單線性 轉型 （矩陣乘法）運算。 但是有沒有可能同時實現更多的線性變換呢？ 最早引入衍射光網絡的加州大學洛杉磯分校研究小組最近解決了這個問題。 在最近發表於 先進的光子學，他們在衍射光網絡中採用了波長復用方案，並展示了使用寬帶衍射的可行性 處理器 執行大規模並行線性變換操作。
UCLA Chancellor 教授、Samueli 工程學院研究組組長 Aydogan Ozcan 簡要介紹了這種光學處理器的架構和原理：“寬帶衍射光學處理器的輸入和輸出視場為 Ni 和No 像素，分別。 它們由連續的結構化衍射層連接，由無源透射材料製成。 一組預定的 Nw 離散波長對輸入和輸出信息進行編碼。 每個波長專用於一個獨特的目標函數或複值線性變換，”他解釋道。
“這些目標轉換可以專門分配給不同的功能，例如圖像分類和分割，或者它們可以專門用於計算不同的捲積濾波器操作或神經網絡中的全連接層。 所有這些線性變換或所需功能都以光速同時執行，其中每個所需功能都分配給一個獨特的波長。 這使得寬帶光學處理器能夠以極高的吞吐量和並行度進行計算。”
研究人員證明，這種波長復用光學處理器設計可以近似 Nw 當其衍射特徵總數 N 大於或等於 2N 時，具有可忽略誤差的唯一線性變換wNiNo. 這個結論被證實了 Nw > 180 種不同的變換 數值模擬 並且適用於具有不同色散特性的材料。 此外，使用更大的 N (3NwNiNo) 增加 Nw 進一步到大約 2000 個獨特的轉換，這些轉換都是光學並行執行的。
關於這種新計算設計的前景，Ozcan 說：“這種大規模並行、波長復用的衍射處理器將有助於設計高吞吐量智能機器視覺系統和高光譜處理器，並可能激發各個領域的眾多應用，包括生物醫學成像、遙感、分析化學和材料科學。”
