上海交通大学，Nature Photonics！

近日，上海交通大学联合芬兰阿尔托大学在Nature Photonics上发文，报道了并行光学矩阵-矩阵乘法optical matrix–matrix multiplication (POMMM)，通过单个相干光传播，实现完全并行的张量处理。

该方法解决了当前光学方法的关键限制，通过数据维度缩放性能，同时提高了理论计算能力和效率。还证明了基于GPU矩阵-矩阵乘法，在实值域和复值域上的高度一致性。实验展示了在张量处理应用中的适应性、可扩展性和多功能性，如卷积和视觉转换神经网络。

还分析了并行光学矩阵-矩阵乘法POMMM，对于现有光学计算范例的理论兼容性和效率，突出了优于当前最先进方法的应用潜力。通过实现各种计算任务并支持多波长和大规模扩展，并行光学矩阵-矩阵乘法POMMM，为推进下一代光学计算提供了可扩展的高效率基础。

图1 | 并行光学矩阵-矩阵乘法原理与实验装置。

图2 | 实验验证与误差分析。

图3 | 在神经网络中的应用。

图4 | 可扩展性与性能对比。

该项研究提出了并行光学矩阵-矩阵乘法（POMMM），实现了单次相干光传播下的全并行张量处理。这克服了传统光学计算在并行与通用局限，显著提升了计算效率与扩展性。通过构建光学原型系统，还验证了POMMM在实数与复数域矩阵乘法与GPU结果高度一致，并部署了卷积神经网络与视觉Transformer等复杂模型。

这种POMMM光学计算技术，让光在瞬间完成复杂的矩阵运算。利用激光和特殊的光学芯片，把待计算的数字编码在光的强度和相位上，再通过透镜进行“光学变换”，就像用棱镜分光一样，让光自动完成乘法和加法。整个过程又快又省电，还能同时处理大量数据。这项技术，可应用于人工智能、图像识别等领域，为下一代光学计算提供了高效、可扩展的硬件基础，有望推动人工智能、大数据分析等领域的发展。

文献链接：

Zhang, Y., Liu, X., Yang, C. et al. Direct tensor processing with coherent light. Nat. Photon. (2025). 

https://doi.org/10.1038/s41566-025-01799-7\

来源：今日新材科，爱科会易仅用于学术交流，若相关内容侵权，请联系删除。