传统电子晶片在频宽、算力和能耗方面已接近物理极限，而AI模型的复杂化进一步加剧了这些挑战。相比之下，光计算利用光纤中的非线性光学效应，能以数千倍的速度处理数据，同时显著降低能耗。研究团队采用飞秒（千万亿分之一秒）雷射脉冲和比头发丝还细的特制光纤，构建了一种光学“极限学习机”（一种类似神经网路的AI架构）。通过调控光的波长、功率和光纤的物理特性，系统可在不到1皮秒（万亿分之一秒）内完成手写数字识别，准确率超过91%，接近主流数字方法的水平。
研究还发现，性能优化并非依赖更强的镭射或更复杂的设计，而是取决于光纤长度、色散（不同波长传播速度差异）效应与光功率的精细平衡。这一突破表明，光学计算的核心优势在于对光信号的高效编码与调控，而非单纯提高硬体强度。
该成果为光电子混合AI系统奠定了基础，未来可应用于即时信号处理、环境监测及超高速AI推理。研究团队强调，通过融合非线性光学与机器学习，有望开发出兼具超高速和低能耗的新型计算硬体◆
