光子計算機(亦稱光腦)是指以光子替代電子的先進計算機。數十年來的研究指出,光子可以比傳統電腦中使用的電子有更高的頻寬(例如光纖)。

大多數研究項目都專注於用光學等效模組替換當前的計算機組件,目的是要得到可以處理二進制數據英語Binary data的光學計算機系統。這種方法似乎為商業光學計算提供了最佳的短期前景,因為光學組件可以集成到傳統計算機中,形成光電混合的系統。然而,光電設備因為將電能轉換為光能再轉回電能,會損失30%的能量。此轉換也會減慢消息的傳輸速度。全光學計算機不需要光學-電學-光學(OEO)轉換,因此減少了對電力的需求[1]

有些應用的設備,像是合成孔徑雷達(SAR)和光學相關器英語Optical correlator,已可以用光學計算的原理來設計。例如可以使用相關器來檢測和跟蹤對象[2],並對串行時域光學數據進行分類[3]

二進制數字計算機的光學元件

編輯

現代電子計算機的基本構件是電晶體。為了用光學元件取代電子元件,需要一個相當的光學電晶體。這需要使用具有非線性折射率的材料來實現。特別是,存在一些材料[4],在這些材料中,入射光的強度以類似於雙極電晶體的電流響應的方式影響通過該材料傳輸的光的強度。這種光學電晶體[5][6]可用於製造光學邏輯閘[6]而這些光學門又被組裝成計算機中央處理器(CPU)的高級部件。這些將是非線性光學晶體,用於操縱光束以控制其他光束。

像任何計算系統一樣,光學計算系統需要三樣東西才能良好運作。

  1. 光學處理器
  2. 光學數據傳輸,例如光纖電纜
  3. 光存儲[7]

代替電氣元件需要將數據格式從光子轉換為電子,這將使系統變得更慢。

爭論

編輯

對於光學計算機的未來能力,研究人員之間存在一些分歧;它們是否可能在速度、功耗、成本和尺寸方面與基於半導體的電子計算機競爭,是一個開放的問題。批評者指出[8]現實世界的邏輯系統需要 "邏輯級恢復、級聯性、扇出和輸入輸出隔離",所有這些目前都由電子電晶體以低成本、低功率和高速度提供。為了使光邏輯在少數利基應用之外具有競爭力,需要在非線性光器件技術方面取得重大突破,或者也許需要改變計算本身的性質。 [9]

誤解、挑戰和前景

編輯

光計算的一個重大挑戰是,計算是一個非線性過程,其中多個信號必須相互作用。光是一種電磁波,只有在材料中存在電子的情況下才能與另一種電磁波互動,[10]而這種互動的強度對於電磁波,比如光,比傳統計算機的電子信號要弱得多。這可能導致光學計算機的處理元件比使用電晶體的傳統電子計算機需要更多的功率和更大的尺寸。[來源請求]

另一個誤解[誰說的?]是,由於光的速度比電子的漂移速度快得多,而且頻率以THz為單位,所以光學電晶體應該能夠實現極高的頻率。然而,任何電磁波都必須遵守轉換極限,因此,光電晶體對信號的響應速度仍受其光譜帶寬的限制。在光纖通信中,諸如色散等實際限制往往將信道的帶寬限制在10幾兆赫,只比許多矽電晶體略好。因此,要想獲得比電子電晶體更快的運行速度,就需要採用實用的方法,將超短脈衝沿著高色散波導傳輸。

光子邏輯

編輯
 
Realization of a photonic controlled-NOT gate for use in quantum computing

光子邏輯是在邏輯閘中使用光子()(NOT、AND、OR、NAND、NOR、XOR、XNOR)。當兩個或更多的信號結合在一起時,使用非線性光學效應獲得開關。[6]

諧振器在光子邏輯中特別有用,因為它們允許從建設性干涉中積累能量,從而增強光學非線性效應。

其他已被研究的方法包括在分子水平的光子邏輯,使用光致發光化學品。在一次演示中,Witlicki等人利用分子和SERS進行了邏輯運算。[11]

非常規方法

編輯

時間延遲光學計算

編輯

其基本思想是延遲光(或任何其他信號)以進行有用的計算。[12] 令人感興趣的是解決NP完全問題,因為這些問題對傳統計算機來說是很困難的。

在這種方法中實際使用了光的2個基本特性。

  • 光可以通過一定長度的光纖而被延遲。
  • 光可以被分割成多條(子)光線。這一特性也是至關重要的,因為我們可以在同一時間內評估多個解決方案。

當解決一個有時間延遲的問題時,必須遵循以下步驟。

  • 第一步是創建一個由光纜和分割器組成的圖狀結構。每個圖都有一個起始節點和一個目的節點。
  • 光線從起始節點進入並穿越圖形,直到到達目的地。在通過弧線時,它會被延遲,並在節點內部被分割。
  • 光線在通過弧線或節點時被標記,這樣我們就可以在目的地節點輕鬆地識別這一事實。
  • 在目的地節點,我們將等待在某一(些)特定時刻到達的信號(信號強度的波動)。如果在那一刻沒有信號到達,這意味著我們的問題沒有解決方案。否則,問題就有了解決方案。波動可以用一個光電探測器和一個示波器來讀取。

第一個以這種方式攻擊的問題是哈密頓路徑問題[12]

最簡單的是子集和問題[13] 一個解決有4個數字{a1, a2, a3, a4}的實例的光學裝置被描述如下。

 

光線將進入開始節點。它將被分成2條強度較小的(子)光線。這兩條光線將在a1和0的時刻到達第二個節點。 將在0、a1、a2和a1+a2的時刻到達第三個節點。這些代表了集合{a1, a2}的所有子集。我們期望信號的強度在不超過4個不同時刻出現波動。在目的節點,我們期望波動不超過16個不同的時刻(這是給定的所有子集)。如果我們在目標時刻B有波動,就意味著我們有問題的解決方案,否則就沒有元素之和等於B的子集。對於實際執行,我們不可能有零長度的電纜,因此所有的電纜都增加了一個小的(對所有的固定)值k。在這種情況下,預計解決方案在時刻B+n*k。

基於波長的計算

編輯

基於波長的計算[14]可以用來解決3-SAT問題,該問題有n個變量,m個條款,每個條款的變量不超過3個。每一個波長,包含在一條光線中,被認為是對n個變量的可能賦值。[15]

通過在透明膠片上施膠來計算

編輯

這種方法使用施樂機和透明片進行計算。[16] k-SAT問題有n個變量,m個子句,每個子句最多有k個變量,已分3步解決:[17]

  • 首先通過進行n次施膠拷貝,產生了n個變量的所有2^n次可能的分配。
  • 使用最多 2k 份真值表,每個條款同時在真值表的每一行進行評估。
  • 通過對所有m個子句的重疊透明片進行一次拷貝操作,就可以得到解。

Shaked等人(2007)已經解決了旅行推銷員問題[18] by using an optical approach. 所有可能的TSP路徑都已生成並存儲在一個二進制矩陣中,該矩陣與另一個包含城市間距離的灰度向量相乘。乘法是通過使用一個光學相關器以光學方式進行的。

光學傅立葉協處理器

編輯

許多計算,特別是科學應用,需要經常使用二維離散傅立葉變換(DFT)--例如,在解決描述波的傳播或熱的傳遞的微分方程時。儘管現代GPU技術通常能夠高速計算大型二維DFT,但已經開發出的技術可以通過利用自然的鏡頭的傅立葉變換特性來進行連續傅立葉變換。輸入是通過一個液晶空間光調製器進行編碼的。空間光調製器對輸入進行編碼,並使用傳統的CMOS或CCD圖像傳感器測量結果。由於光學傳播固有的高度互連性質,這種光學架構可以提供卓越的計算複雜性擴展,並已被用於解決二維熱方程。[19]

伊辛機

編輯

設計靈感來自於理論易辛模型的物理計算機被稱為Ising機。[20][21][22]

山本義久史丹佛大學的實驗室率先使用光子建造伊辛機。最初,山本和他的同事使用雷射器、鏡子和其他在光學台上常見的光學元件建造了一台伊辛機。[20][21]

後來,惠普實驗室的一個團隊開發了光子集成電路設計工具,並利用這些工具在單個晶片上建立了一台伊辛機,在該單個晶片上集成了1052個光學元件。[20]

另見

編輯

參考

編輯
  1. ^ Nolte, D.D. Mind at Light Speed: A New Kind of Intelligence. Simon and Schuster. 2001: 34 [2019-12-10]. ISBN 978-0-7432-0501-6. (原始內容存檔於2017-01-18). 
  2. ^ Feitelson, Dror G. Chapter 3: Optical Image and Signal Processing. Optical Computing: A Survey for Computer Scientists. Cambridge, Massachusetts: MIT Press. 1988. ISBN 978-0-262-06112-4. 
  3. ^ Kim, S. K.; Goda, K.; Fard, A. M.; Jalali, B. Optical time-domain analog pattern correlator for high-speed real-time image recognition. Optics Letters. 2011, 36 (2): 220–2. Bibcode:2011OptL...36..220K. PMID 21263506. doi:10.1364/ol.36.000220. 
  4. ^ 激光物理与技术百科全书-非线性指数,克尔效应. [2022-12-06]. (原始內容存檔於2021-03-07). 
  5. ^ Jain, K.; Pratt, G. W. Jr. 光学晶体管. Appl. Phys. Lett. 1976, 28 (12): 719. Bibcode:1976ApPhL..28..719J. doi:10.1063/1.88627. 
  6. ^ 6.0 6.1 6.2 [1] 
  7. ^ Project Silica. Microsoft Research. [2019-11-07]. (原始內容存檔於2022-10-13) (美國英語). 
  8. ^ Tucker, R.S. The role of optics in computing. Nature Photonics. 2010, 4 (7): 405. Bibcode:2010NaPho...4..405T. doi:10.1038/nphoton.2010.162. 
  9. ^ Rajan, Renju; Babu, Padmanabhan Ramesh; Senthilnathan, Krishnamoorthy. 全光逻辑门显示出光学计算的前景. Photonics. Photonics Spectra. [2018-04-08]. (原始內容存檔於2023-02-10). 
  10. ^ Philip R. Wallace. Paradox Lost: Images of the Quantum. 1996. ISBN 978-0387946597. 
  11. ^ Witlicki, Edward H.; Johnsen, Carsten; Hansen, Stinne W.; Silverstein, Daniel W.; Bottomley, Vincent J.; Jeppesen, Jan O.; Wong, Eric W.; Jensen, Lasse; Flood, Amar H. 使用表面增强拉曼散射光的分子逻辑门. J. Am. Chem. Soc. 2011, 133 (19): 7288–91. PMID 21510609. doi:10.1021/ja200992x. 
  12. ^ 12.0 12.1 Oltean, Mihai. A light-based device for solving the Hamiltonian path problem. Unconventional Computing. Springer LNCS 4135: 217–227. 2006. arXiv:0708.1496 . doi:10.1007/11839132_18. 
  13. ^ Mihai Oltean, Oana Muntean. 用基于光的设备解决子集和问题. Natural Computing. 2009, 8 (2): 321–331. S2CID 869226. arXiv:0708.1964 . doi:10.1007/s11047-007-9059-3. 
  14. ^ Sama Goliaei, Saeed Jalili. An Optical Wavelength-Based Solution to the 3-SAT Problem. Optical SuperComputing Workshop: 77–85. 2009. Bibcode:2009LNCS.5882...77G. doi:10.1007/978-3-642-10442-8_10. 
  15. ^ Bartlett, Ben; Dutt, Avik; Fan, Shanhui. 合成时间维度的确定性光子量子计算. Optica. 2021-12-20, 8 (12): 1515–1523. Bibcode:2021Optic...8.1515B. ISSN 2334-2536. arXiv:2101.07786 . doi:10.1364/OPTICA.424258 (英語). 
  16. ^ Head, Tom. Parallel Computing by Xeroxing on Transparencies. Algorithmic Bioprocesses. Springer: 631–637. 2009. doi:10.1007/978-3-540-88869-7_31. 
  17. ^ 在透明胶片上复印计算, [2022-08-14], (原始內容存檔於2019-08-10) (英語) 
  18. ^ NT Shaked, S Messika, S Dolev, J Rosen. 有界NP-complete问题的光学解决方案. 應用光學. 2007, 46 (5): 711–724. Bibcode:2007ApOpt..46..711S. PMID 17279159. S2CID 17440025. doi:10.1364/AO.46.000711. 
  19. ^ A. J. Macfaden, G. S. D. Gordon, T. D. Wilkinson. 具有直接相位测定功能的光学傅里叶变换协处理器. 科學報告. 2017, 7 (1): 13667. Bibcode:2017NatSR...713667M. PMC 5651838 . PMID 29057903. doi:10.1038/s41598-017-13733-1. 
  20. ^ 20.0 20.1 20.2 Courtland, Rachel. HPE的新芯片标志着光学计算的一个里程碑. IEEE Spectrum. 2017年1月2日 [2019年7月16日]. (原始內容存檔於2021年4月19日). 
  21. ^ 21.0 21.1 Cartlidge, Edwin. 新型伊辛机计算机被带去转了一圈. Physics World. 2016年10月31日 [2019年7月16日]. (原始內容存檔於2018年2月23日). 
  22. ^ Cho, Adrian. Odd computer zips through knotty tasks. Science. 2016-10-20 [2022-12-06]. (原始內容存檔於2022-10-09). 

延伸閱讀

編輯

外部連結

編輯

Template:新興技術