摘要：大脑依靠神经元间的电化学信号传递来处理信息，这一机制在计算机领域被数学化抽象。像DeepSeek、ChatGPT 这类大语言模型，便是在高维数学空间构建信息网络，借矩阵运算模拟神经元计算。而近期，一项前沿研究利用光传播特性，搭建起光学神经元连接网络，在光学系统

大脑依靠神经元间的电化学信号传递来处理信息，这一机制在计算机领域被数学化抽象。像DeepSeek、ChatGPT 这类大语言模型，便是在高维数学空间构建信息网络，借矩阵运算模拟神经元计算。而近期，一项前沿研究利用光传播特性，搭建起光学神经元连接网络，在光学系统内完整实现神经网络计算功能，为相关领域发展注入全新活力。

研究人员借助三维双光子纳米光刻技术，将微型光学衍射神经网络（DN2s）与多模光纤集成，在 0.35 米长多模光纤远端，开发出仅 150 微米 ×150 微米的新型 AI 芯片，其光学神经元密度高达 10^6 个神经元 / 立方厘米 。

从创新维度剖析，该技术在硬件层面摒弃了对传统电子芯片的依赖。与大模型训练需堆叠大量GPU 不同，它借助光学多层神经网络的光连接直接运算，开辟 AI 算力新路径；在多模光纤图像传输等实际场景中，不依赖传统 CPU 也能完成任务。并且，该技术实现全光纤光学图像传输，成像速度达 100 帧 / 秒，训练资源需求少，仅需不到 4 万个超参数，4-6 小时就能完成训练。相比同体积传统光纤，其传输信号通量提升约 1 万倍，图像最小分辨率 14 微米，点对点传输时分辨率更可提升至 1.5 微米，意味着在近似头发丝直径（约 100 微米）的光纤通道中，能精准传输约 1 万个信号点，远超单模光纤只能传输单个信号点的能力。

该技术有望在多领域掀起变革。有专家指出，如此性能提升，有望达成近8G 量级的信号传输通量，助力 5G/6G 迈向更高通信标准。在量子信息处理领域，或能显著提升短距离量子计算芯片的信号传输与信息恢复能力，相关团队已完成片上多层神经网络结构集成验证，正开展基于芯片平台的量子密钥分发研究。在医学内窥镜成像方面，可作为约 100 微米直径的微小探头，无损观测大脑神经元活动，还能将诊疗范围拓展到传统胃镜难以触及的胰腺导管、小肠隐窝等区域 。

面对光纤弯曲影响传输性能，且现有方法无法将所有弯曲状态纳入训练数据集的问题，团队提出光电融合方案，结合光神经网络在信息处理速度和能效比上的优势，与计算机预训练的电神经网络级联，协同处理光纤弯曲导致的图像畸变，为突破技术瓶颈开辟新方向。该研究通过HeLa 细胞图像传输展示了迁移学习能力，相关论文已发表在《自然・光子学》上 。

目前，相关代码和数据已开源。在转化应用上，已利用该技术实现细胞组织高分辨率成像与传输，正与医疗机构合作开展临床前研究，计划年内完成实验室级内窥镜系统原型开发。

来源：小贺说科技