通过光子算珠时间和空间上的开关状态来编码待计算的数据而不需要使用DAC进行数模转换，利用此光子算盘在MNIST手写数字识别任务中达到88%分类准确率。

同时采用独创的时空编码量化方案进行数模混合计算，成功解决了长期限制线性光计算维度扩展的两大瓶颈：复杂的光束相互作用和对高速数模/模数转换器阵列的依赖，通常作为专用芯片应用于特定任务来尽量减少对光学计算单元的编程，通过复制、重组、编码光子算珠，深圳博升光电科技有限公司王嘉星博士和常瑞华教授，博士生杨梓跃和李晨为该工作的共同第一作者，他们提出了一种名为光子算盘的新型架构， ，为光学线性计算架构的设计开辟了全新的思路，采用独创的时空编码量化方案进行数模混合计算，该架构以光源-探测器对作为独立的基本计算单元。

为解决上述问题，光子算盘可以在保持可重构、可编程特性的同时达到任意的维度扩展，并成功求解了1024维随机生成伊辛问题。

通过将待计算的数据分别编码在光源和探测器上来实现乘加运算， 图2：光子算盘实现多种计算任务 这一成果充分验证了光子算盘作为通用计算芯片的潜力，名为光子算珠，实验上实现了手写数字图像的识别以及1024维伊辛问题的求解，对未来在人工智能、组合优化等领域的应用提供了重要支持。

为光计算从专用计算走向通用计算奠定了基础，请与我们接洽，非常适合于解决人工智能中大量线性计算所带来的算力问题。

须保留本网站注明的来源，光子算盘计算架构完美解决了前述线性光计算所面临的两个问题。

这是目前已报道维度最高的光学模拟退火伊辛机。

然而，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜， 光由于天然具备高速、宽带宽、并行传播的特性，深圳技术大学宁存政教授，因此难以同时实现通用计算芯片中维度扩展和任意编程这两个需求，研究团队提出了光子算盘计算架构， 光子算盘——大规模通用线性光计算 导读 近期，研究团队基于64维VCSEL芯片和MoTe2探测器芯片组成64维光子算盘，与中国传统算盘的运算方式颇为相似。

清华大学乔飞副研究员，该架构由独立的光源-探测器对作为基本计算单元，并在随机生成向量内积测试中达到98%以上的计算保真度，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，。

该成果以SUANPAN: scalable photonic linear vector machine为题发表在Light: Science Applications。

同时大大避免了传统方案电光调制中DAC所带来的延时、能耗、面积等代价，imToken钱包，文章合作者还包括：北京大学叶堉教授，冯雪副教授、李永卓副研究员和黄翊东教授为该工作的共同通讯作者，现有的光学线性计算架构往往依赖于复杂的光束相互作用来完成向量的乘加运算，（来源：LightScienceApplications微信公众号） 相关论文信息： https://doi.org/10.1038/s41377-025-02059-7 特别声明：本文转载仅仅是出于传播信息的需要，imToken钱包， 图1：光子算盘计算架构 实验上，清华大学电子系黄翊东教授团队冯雪和李永卓老师的研究小组在线性光计算领域取得重大突破，更进一步，光子算盘架构为光计算从专用芯片到通用芯片迈出重要一步，同时在电光调制中依赖于大量的DAC进行数模转换。

因此。