隨著人工智能、大數(shù)據(jù)的高速發(fā)展，傳統(tǒng)電子計算的電阻損耗、信號延遲、高功耗問題愈發(fā)突出，性能天花板逐漸顯現(xiàn)。而光計算憑借光速傳輸、大帶寬、低能耗的天然優(yōu)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(tài)可重構性的行業(yè)痛點，一個器件僅能實現(xiàn)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(zhì)，在同一個光學裝置上實現(xiàn)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(tài)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(fā)展開辟了全新道路，也為構建下一代高速、節(jié)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(fā)表于 Nature Communications 期刊。

要實現(xiàn)全光計算，最難的是如何讓光與光之間產(chǎn)生相互作用。

在物理學中，有一種神奇的現(xiàn)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(zhì)會瞬間發(fā)生改變。這種性質(zhì)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(xiàn)“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?！案哽?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(yōu)勢。尤為重要的是，其表面化學可通過電化學手段實現(xiàn)精確調(diào)控，從而動態(tài)調(diào)制光學性質(zhì)?！边@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(jié)構、高度無序的表面和多元素協(xié)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(wěn)定性和優(yōu)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(fā)它產(chǎn)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(zhì)基礎。

更厲害的是，團隊使用電化學調(diào)控方法，只需給這種材料加個外電壓，就能靈活調(diào)整它的光學特性，就像給材料裝了個“遙控器”，為實現(xiàn)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(diào)控的新材料，團隊研發(fā)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(jié)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(tǒng)光器件“功能固化”的行業(yè)難題。“實現(xiàn)這一功能的關鍵技術節(jié)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(tǒng)級的編碼控制三者創(chuàng)新性地融合?！睆堦媳硎?。

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(shù)據(jù)輸入到計算再到結(jié)果輸出的全套流程，全程都靠光來實現(xiàn)：先把數(shù)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(jié)果，真正實現(xiàn)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(wǎng)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(wǎng)絡來測試其在經(jīng)典的手寫數(shù)字識別、自然圖像分類任務中的能力。

在手寫數(shù)字識別測試中，整體準確率達到 97.7%，其中數(shù)字 0 和 1 的識別準確率更是接近 99%，這個成績和傳統(tǒng)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(yōu)化，仍實現(xiàn)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(tǒng) 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(jié)果，過程難以解釋，而這款全光計算網(wǎng)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(shù)數(shù)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(fā)展需求。

不過，張晗也提到，將這一創(chuàng)新器件推向?qū)嵱没庾尤斯ぶ悄芟到y(tǒng)仍面臨幾項挑戰(zhàn)：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(wǎng)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(xiàn)大規(guī)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(diào)制方式，發(fā)揮亞皮秒的速度優(yōu)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(wěn)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