解析深圳光子大脑：7种逻辑运算与精准手写数字识别

随着人工智能、大数据的高速发展，传统电子计算的电阻损耗、信号延迟、高功耗问题愈发突出，性能天花板逐渐显现。而光计算凭借光速传输、大带宽、低能耗的天然优势，成为突破这一瓶颈的核心研究方向，全光计算也因此成为光计算领域的重要探索分支。

但此前的全光逻辑器件长期面临功能固定、缺乏动态可重构性的行业痛点，一个器件仅能实现单一逻辑运算，无法适配人工智能复杂多变的计算需求，成为光计算实用化的关键障碍。

近日，深圳大学张晗教授团队在全光计算领域取得重磅突破，他们利用 MXene 材料的特殊性质，在同一个光学装置上实现了七种基本的逻辑运算（包括与门、或门、非门、异或门等），而且可以动态地在不同逻辑功能之间切换，非常灵活。

该研究成果为光计算与人工智能的融合发展开辟了全新道路，也为构建下一代高速、节能、可解释的光子人工智能硬件奠定了关键基础。相关成果发表于 Nature Communications 期刊。

要实现全光计算，最难的是如何让光与光之间产生相互作用。

在物理学中，有一种神奇的现象叫“克尔效应”。平时我们看普通的玻璃，不管光线强还是弱，玻璃的折射率基本是不变的。但具有克尔效应的材料就不一样了：当一束很强的光射入这种材料时，材料的性质会瞬间发生改变。这种性质的改变，会进而影响另一束光的通过路径或强度。通过这种效应，研究者可以实现“以光控光”，从而完成复杂的逻辑运算。

在这项研究中，张晗团队利用了高熵 MXene 材料。“高熵 MXenes 兼具宽带非线性光学响应、多元素组成与丰富表面官能团，在非线性光学性能方面具有显著优势。尤为重要的是，其表面化学可通过电化学手段实现精确调控，从而动态调制光学性质。”这项研究的通讯作者、深圳大学特聘教授张晗告诉 DeepTech。

图 | 张晗（来源：受访者提供）

普通 MXene 通常只含有一种或两种过渡金属（比如钛）。高熵 MXene 同时含有 5 种或更多不同的金属元素（比如钛、钒、铌、钼、锆等），并且这些元素在原子层面上是均匀混合的。其具有超薄的二维结构、高度无序的表面和多元素协同效应，在能源存储、电催化、电子器件和电磁屏蔽等领域展示出极高的稳定性和优异的电化学性能。

由于多种金属原子的电子云相互叠加、干扰，高熵 MXene 对光的非线性响应（即“克尔效应”）比普通的 MXene 强得多。简单来说，高熵 MXene 对光的敏感度远超普通材料，哪怕是较弱的光信号，也能激发它产生显著的克尔效应。这使得它像是一个反应极其灵敏的“光学感应器”，为制造超快、超小的光学逻辑器件提供了完美的物质基础。

更厉害的是，团队使用电化学调控方法，只需给这种材料加个外电压，就能灵活调整它的光学特性，就像给材料装了个“遥控器”，为实现灵活的光计算提供了关键支撑，这也是能做出可重构光逻辑门的核心基础。

基于这款可调控的新材料，团队研发出了电可重构全光逻辑门（AOLGs），这是光计算的核心“小零件”。以往的光学逻辑门功能固定，一个器件只能干一种计算活，而这款光逻辑门，不用更换硬件，在同一个结构里就能灵活切换，完成与、或、非等七种基础逻辑运算，彻底解决了传统光器件“功能固化”的行业难题。“实现这一功能的关键技术节点在于将材料级的可编程非线性与器件级的物理效应及系统级的编码控制三者创新性地融合。”张晗表示。

不仅如此，这款光逻辑门的运算速度很快，理论上切换计算模式的速度达到亚皮秒级，为打造超高速的光计算芯片奠定了关键基础。

在此基础上，团队将这些可重构光逻辑门集成起来，打造出模块化、可扩展的全光逻辑处理单元（LPU）。这个光计算“小单元”能完成从数据输入到计算再到结果输出的全套流程，全程都靠光来实现：先把数字信息编码成光信号，再通过高熵 MXene 基光逻辑门完成计算，最后由专门的器件记录并提取计算结果，真正实现了全光学域的计算。

而且这个单元的扩展性极强，多个逻辑门能组成阵列同时并行计算，多层单元叠起来还能构建复杂的光计算网络，完美适配人工智能这类需要海量计算的任务需求。

（来源：上述论文）

为了验证实力，团队用三层 LPU 拼出了全光可微逻辑门网络来测试其在经典的手写数字识别、自然图像分类任务中的能力。

在手写数字识别测试中，整体准确率达到 97.7%，其中数字 0 和 1 的识别准确率更是接近 99%，这个成绩和传统的电子 AI 计算性能不相上下，而且光计算更省电、推理速度更快。

在更复杂的自然图像分类中，虽未进行任务特异性优化，仍实现了 50.7% 的准确率，简单类别（如飞机、汽车）的识别精度更高，验证了其对复杂图像特征的提取能力。

值得一提的是，这款光计算单元还解决了传统 AI 的一大痛点。以往的 AI 计算就像一个“黑箱子”，靠复杂的运算得出结果，过程难以解释，而这款全光计算网络以基础的逻辑运算为核心，计算过程清晰透明，能看懂、能解释，为可解释的人工智能提供了全新方案。同时，它的参数数量更少，单次计算的能耗也大幅降低，更适配未来人工智能的发展需求。

不过，张晗也提到，将这一创新器件推向实用化光子人工智能系统仍面临几项挑战：第一，当前器件的电化学切换速度处于毫秒级，比材料本身的亚皮秒光响应慢很多，限制了整体计算速度；第二，对复杂图像的识别率还不高，网络的扩展性需要提升；第三，性能还受限于分立光学组件的速度和精度。要实现大规模光子智能计算，必须走向片上光子集成，并解决高速、高精度光电接口问题。

未来，研究团队希望能够把器件微型化，集成到硅光子平台上；找到更快的调制方式，发挥亚皮秒的速度优势；把光计算的波段拓展到通信常用的 1550nm，提升实用性；还能基于材料良好的稳定性，探索柔性、可穿戴光子计算等新颖的智能计算应用场景。

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

运营/排版：何晨龙