深大造出光子大腦，七種邏輯運算自由切換，識別手寫數字又快又準

隨著人工智能、大數據的高速發展，傳統電子計算的電阻損耗、信號延遲、高功耗問題愈發突出，性能天花板逐漸顯現。而光計算憑借光速傳輸、大帶寬、低能耗的天然優勢，成為突破這一瓶頸的核心研究方向，全光計算也因此成為光計算領域的重要探索分支。

但此前的全光邏輯器件長期面臨功能固定、缺乏動態可重構性的行業痛點，一個器件僅能實現單一邏輯運算，無法適配人工智能復雜多變的計算需求，成為光計算實用化的關鍵障礙。

近日，深圳大學張晗教授團隊在全光計算領域取得重磅突破，他們利用 MXene 材料的特殊性質，在同一個光學裝置上實現了七種基本的邏輯運算（包括與門、或門、非門、異或門等），而且可以動態地在不同邏輯功能之間切換，非常靈活。

該研究成果為光計算與人工智能的融合發展開辟了全新道路，也為構建下一代高速、節能、可解釋的光子人工智能硬件奠定了關鍵基礎。相關成果發表于 Nature Communications 期刊。

要實現全光計算，最難的是如何讓光與光之間產生相互作用。

在物理學中，有一種神奇的現象叫“克爾效應”。平時我們看普通的玻璃，不管光線強還是弱，玻璃的折射率基本是不變的。但具有克爾效應的材料就不一樣了：當一束很強的光射入這種材料時，材料的性質會瞬間發生改變。這種性質的改變，會進而影響另一束光的通過路徑或強度。通過這種效應，研究者可以實現“以光控光”，從而完成復雜的邏輯運算。

在這項研究中，張晗團隊利用了高熵 MXene 材料。“高熵 MXenes 兼具寬帶非線性光學響應、多元素組成與豐富表面官能團，在非線性光學性能方面具有顯著優勢。尤為重要的是，其表面化學可通過電化學手段實現精確調控，從而動態調制光學性質。”這項研究的通訊作者、深圳大學特聘教授張晗告訴 DeepTech。

圖 | 張晗（來源：受訪者提供）

普通 MXene 通常只含有一種或兩種過渡金屬（比如鈦）。高熵 MXene 同時含有 5 種或更多不同的金屬元素（比如鈦、釩、鈮、鉬、鋯等），并且這些元素在原子層面上是均勻混合的。其具有超薄的二維結構、高度無序的表面和多元素協同效應，在能源存儲、電催化、電子器件和電磁屏蔽等領域展示出極高的穩定性和優異的電化學性能。

由于多種金屬原子的電子云相互疊加、干擾，高熵 MXene 對光的非線性響應（即“克爾效應”）比普通的 MXene 強得多。簡單來說，高熵 MXene 對光的敏感度遠超普通材料，哪怕是較弱的光信號，也能激發它產生顯著的克爾效應。這使得它像是一個反應極其靈敏的“光學感應器”，為制造超快、超小的光學邏輯器件提供了完美的物質基礎。

更厲害的是，團隊使用電化學調控方法，只需給這種材料加個外電壓，就能靈活調整它的光學特性，就像給材料裝了個“遙控器”，為實現靈活的光計算提供了關鍵支撐，這也是能做出可重構光邏輯門的核心基礎。

基于這款可調控的新材料，團隊研發出了電可重構全光邏輯門（AOLGs），這是光計算的核心“小零件”。以往的光學邏輯門功能固定，一個器件只能干一種計算活，而這款光邏輯門，不用更換硬件，在同一個結構里就能靈活切換，完成與、或、非等七種基礎邏輯運算，徹底解決了傳統光器件“功能固化”的行業難題。“實現這一功能的關鍵技術節點在于將材料級的可編程非線性與器件級的物理效應及系統級的編碼控制三者創新性地融合。”張晗表示。

不僅如此，這款光邏輯門的運算速度很快，理論上切換計算模式的速度達到亞皮秒級，為打造超高速的光計算芯片奠定了關鍵基礎。

在此基礎上，團隊將這些可重構光邏輯門集成起來，打造出模塊化、可擴展的全光邏輯處理單元（LPU）。這個光計算“小單元”能完成從數據輸入到計算再到結果輸出的全套流程，全程都靠光來實現：先把數字信息編碼成光信號，再通過高熵 MXene 基光邏輯門完成計算，最后由專門的器件記錄并提取計算結果，真正實現了全光學域的計算。

而且這個單元的擴展性極強，多個邏輯門能組成陣列同時并行計算，多層單元疊起來還能構建復雜的光計算網絡，完美適配人工智能這類需要海量計算的任務需求。

（來源：上述論文）

為了驗證實力，團隊用三層 LPU 拼出了全光可微邏輯門網絡來測試其在經典的手寫數字識別、自然圖像分類任務中的能力。

在手寫數字識別測試中，整體準確率達到 97.7%，其中數字 0 和 1 的識別準確率更是接近 99%，這個成績和傳統的電子 AI 計算性能不相上下，而且光計算更省電、推理速度更快。

在更復雜的自然圖像分類中，雖未進行任務特異性優化，仍實現了 50.7% 的準確率，簡單類別（如飛機、汽車）的識別精度更高，驗證了其對復雜圖像特征的提取能力。

值得一提的是，這款光計算單元還解決了傳統 AI 的一大痛點。以往的 AI 計算就像一個“黑箱子”，靠復雜的運算得出結果，過程難以解釋，而這款全光計算網絡以基礎的邏輯運算為核心，計算過程清晰透明，能看懂、能解釋，為可解釋的人工智能提供了全新方案。同時，它的參數數量更少，單次計算的能耗也大幅降低，更適配未來人工智能的發展需求。

不過，張晗也提到，將這一創新器件推向實用化光子人工智能系統仍面臨幾項挑戰：第一，當前器件的電化學切換速度處于毫秒級，比材料本身的亞皮秒光響應慢很多，限制了整體計算速度；第二，對復雜圖像的識別率還不高，網絡的擴展性需要提升；第三，性能還受限于分立光學組件的速度和精度。要實現大規模光子智能計算，必須走向片上光子集成，并解決高速、高精度光電接口問題。

未來，研究團隊希望能夠把器件微型化，集成到硅光子平臺上；找到更快的調制方式，發揮亞皮秒的速度優勢；把光計算的波段拓展到通信常用的 1550nm，提升實用性；還能基于材料良好的穩定性，探索柔性、可穿戴光子計算等新穎的智能計算應用場景。

1.Ge, Y., Wang, W., Wang, M. et al. All-optical logic processing unit using Kerr nonlinearity of MXene. Nat Commun (2026). https://doi.org/10.1038/s41467-026-70834-0

運營/排版：何晨龍