新华网上海9月12日电（史依灵、陈潇雨）清华大学自动化系戴琼海院士、吴嘉敏副教授团队联合上海交通大学集成电路学院陈一彤课题组近日在《自然·纳米技术》发表研究成果，提出了光计算走向实际应用的量化评价标准。该研究认为，光计算要从实验室演示走向可制造、可编程、可扩展、可靠的计算系统，成为“即插即用”的实际算力资源，需要建立面向实际应用的系统级评价框架。

相关论文刊发在《自然·纳米技术》。新华网 发（受访者供图）

  光计算利用光在振幅、相位、偏振、波长等多个自由度上承载信息，借助干涉、衍射等物理过程，在高速传播过程中同步完成计算，有望凭借更快运算速度、更低能耗实现大规模数据处理。但目前不少光计算原型系统仍停留在实验室验证阶段，实验环境下取得的单项性能指标，难以直接适配数据中心、智能终端等真实工作场景。

  另一方面，目前光计算领域各类性能指标分散在不同实验平台，行业缺少对接实际业务的统一评判依据。研究团队立足实际应用场景，参照现有电子计算平台的系统水平，将光计算的技术优势转化为算力、带宽、能效、计算密度、计算精度等一系列可衡量的量化指标，搭建起面向实用光计算的系统级评价标准。据介绍，研究给出的定量指标，为不同应用场景划定了实用化门槛，把笼统的性能提升要求转化为可验证的工程目标，也为不同技术路线的横向对比、部署评估提供统一参照。

  在落地实现路径上，研究团队构建了贯通技术工艺和应用需求的双向分析框架：一方面从纳米材料、器件结构、制造能力出发，自下而上评估现有技术工艺条件下光计算“能够实现什么”；另一方面从大规模AI模型、边缘计算、科学计算等真实应用需求出发，自上而下倒推系统“必须具备什么”。两条路径在计算架构层面交汇衔接，共同推动实用化光计算系统的迭代发展和落地部署。

  值得关注的是，研究团队将这些需求进一步转化为量化目标，使问题从“性能还要提升”转向“需要提升到什么程度”。如研究团队指出当器件的消光比高于22分贝，定向耦合器与交叉结构损耗分别控制在0.1分贝和0.028分贝以下时，光学矩阵运算规模有望超过64x64，并实现进一步扩展。面向大规模AI模型的应用，计算系统需具备十亿参数级扩展能力，同时满足图像块处理所需的空间分辨率。研究团队认为，光计算研发应当跳出一味追求单项性能极致的思路，转向兼顾可扩展规模、计算精度与系统综合成本的协同优化。（完）