在光子芯片中，光子主要扮演著數(shù)據(jù)“搬運工”的角色，負責信息的快速傳輸。但當光子在光學電路中傳播并發(fā)生量子干涉時，它們能否像人腦中的神經(jīng)元一樣進行聯(lián)想記憶？2026 年 2 月 18 日發(fā)表在《物理評論快報》（Physical Review Letters）的一項國際研究給出了肯定答案。

這項由意大利國家研究委員會納米技術研究所（Cnr-Nanotec）、意大利技術研究院（IIT）和羅馬第一大學（Sapienza University of Rome）主導的合作研究——《多光子量子模擬廣義 Hopfield 記憶模型》（Multiphoton Quantum Simulation of the Generalized Hopfield Memory Model），首次揭示了多光子量子干涉可以精確模擬經(jīng)典人工神經(jīng)網(wǎng)絡中的廣義霍普菲爾德記憶模型（Generalized Hopfield Model）。

在特定的量子光學回路中，光的粒子不再僅僅是載體，它們能像大腦中的神經(jīng)元一樣通過相互作用來“編碼”和“提取”記憶。這為光子量子模擬復雜系統(tǒng)及構(gòu)建超低能耗 AI 硬件開辟了新路徑。

量子干涉構(gòu)建“光子大腦”

研究團隊的核心發(fā)現(xiàn)建立在一個精妙的物理映射之上：他們證明了在光學電路中傳播的不可區(qū)分光子（indistinguishable photons），其量子干涉行為與人腦記憶模型之間存在直接的數(shù)學對應關系。

霍普菲爾德網(wǎng)絡是聯(lián)想記憶和機器學習的經(jīng)典統(tǒng)計物理框架，由 John J. Hopfield 于 1982 年提出。它將神經(jīng)元活動表示為“自旋”（向上或向下，即+1 或-1）。通過 Hebb 學習規(guī)則構(gòu)建突觸權(quán)重，使存儲的記憶模式成為系統(tǒng)哈密頓量的全局極小值。

而在該研究構(gòu)建的光學系統(tǒng)中，研究人員利用二元相移器（binary phase shifters）來調(diào)節(jié)光路，每一個相移器對應一個“神經(jīng)元”，其相位變化（0 或π）對應神經(jīng)元的兩種狀態(tài)。

（來源：https://journals.aps.org/prl/abstract/10.1103/945c-）

最令人驚嘆的發(fā)現(xiàn)在于系統(tǒng)對復雜關聯(lián)的處理能力。研究主要負責人、Cnr-Nanotec 高級研究員馬可·萊昂內(nèi)蒂（Marco Leonetti）團隊推導出，當 Nph 個光子在 M 個光學模式中傳播時，系統(tǒng)輸出的光子統(tǒng)計數(shù)據(jù)，竟然精確對應于一個 p 體相互作用的霍普菲爾德哈密頓量，且滿足關系式 p=2Nph 。

通俗來說，這意味著僅輸入 2 個光子（Nph=2），就能模擬出 4 個神經(jīng)元（p=4）之間復雜的非線性相互作用（4-body interaction）。這種多體相互作用（p-body）遠比傳統(tǒng)神經(jīng)網(wǎng)絡中兩兩連接（2-body）的模型強大，它能讓記憶存儲容量呈指數(shù)級增長。理論上，該系統(tǒng)的記憶容量 P 與節(jié)點數(shù) M 的關系可提升至 P～Mp/2 的超廣延（superextensive）水平。

實驗模擬：記憶的“三態(tài)”演化

為驗證這一理論，第一作者根納羅·贊法爾迪諾（Gennaro Zanfardino）等人利用交換蒙特卡羅（Exchange Monte Carlo）方法，對一個包含 50 個“光子神經(jīng)元”的系統(tǒng)進行了全方位的模擬。

（來源：https://journals.aps.org/prl/abstract/10.1103/945c-）

研究通過引入離散傅里葉變換（DFT）來制備均勻的輸入態(tài)，確保系統(tǒng)內(nèi)部形成“全連接”網(wǎng)絡。模擬結(jié)果表明，隨著記憶負荷增加，該系統(tǒng)會經(jīng)歷三個截然不同的物理階段（相變），這與生物大腦的記憶機制驚人地相似：

首先是記憶檢索相（Retrieval Phase）：在低溫且存儲信息量適中的情況下，系統(tǒng)如同一個頭腦清醒的人。光子通過量子干涉，能夠精準地鎖定并“回憶”起預先植入的記憶模式。此時，系統(tǒng)處于能量的全局極小值。

接下來是自旋玻璃相（Spin-Glass Phase）：這是最迷人也最關鍵的發(fā)現(xiàn)。當試圖存儲的記憶數(shù)量過多（高負載），超過了系統(tǒng)的臨界點時，系統(tǒng)會進入“記憶黑障”（memory black-out）狀態(tài)。此時，系統(tǒng)內(nèi)部充滿了大量偽造的吸引子（局部極小值），就像一個人陷入了混亂的思維迷宮，雖然由于量子相干性仍保留某種有序結(jié)構(gòu)，但已無法正確提取單一的記憶。物理學上稱此為“自旋玻璃態(tài)”——一種無序但并非完全隨機的復雜狀態(tài)。

最后則是順磁相（Paramagnetic Phase）：當環(huán)境噪聲（溫度）過高時，所有的光子行為變得互不相關，系統(tǒng)徹底失去記憶功能，變成一團熱噪聲。

（來源：https://journals.aps.org/prl/abstract/10.1103/945c-）

連接諾獎理論與未來計算

這一發(fā)現(xiàn)的意義之深遠，已經(jīng)超出了光子計算本身。

該研究深受 2021 年諾貝爾物理學獎得主喬治·帕里西（Giorgio Parisi）關于復雜系統(tǒng)理論的影響。Cnr-Nanotec 現(xiàn)任所長法布里齊奧·伊盧米納蒂（Fabrizio Illuminati）指出，這項工作證明了適用于經(jīng)典無序系統(tǒng)（如自旋玻璃）的定律同樣支配著量子光子電路。

圖 | 喬治·帕里西（來源：喬治·帕里西個人網(wǎng)站）

這使得光子芯片成為了一種微型的“物理實驗室”，科學家可以利用它來模擬和探索氣候變化、生物網(wǎng)絡等自然界中極端復雜的無序現(xiàn)象。

而在 AI 能耗日益增長的今天，該成果指出了新的方向。Cnr-Nanotec 研究主任盧卡·萊烏齊（Luca Leuzzi）強調(diào)，光子計算具有光速并行運算、低功耗和固有量子相干性等獨特優(yōu)勢。研究論文甚至展望，未來利用數(shù)字微鏡器件（DMD），可以將該系統(tǒng)擴展到 100 萬個光學模式。這將構(gòu)建出規(guī)模遠超當前經(jīng)典計算機模擬能力的超級神經(jīng)網(wǎng)絡。

論文合著者馬可·萊昂內(nèi)蒂（Marco Leonetti）表示：“在這個系統(tǒng)中，光子不再僅僅是數(shù)據(jù)的載體，它們本身就是聯(lián)想記憶的‘神經(jīng)元’?！碑敼鈱W會了“思考”，我們距離真正的類腦智能或許又近了一步。

相關論文：

https://journals.aps.org/prl/abstract/10.1103/945c-11wt

運營/排版：何晨龍