导读

近年来，人工智能（AI）正迅速渗透到各个领域，从自动驾驶到智慧医疗, AI的身影无处不在。大语言模型（LLM）如GPT-4和Deepseek等取得的显著进展，更是展现了AI在自然语言处理、自动推理和内容生成方面的强大能力，为智能技术的发展奠定了坚实基础。受人工智能技术飞速发展的影响，光子学技术也正在迎来一场智能化革命，人工智能与纳米光子学的深度融合正在重塑现代光子学技术格局。近日，哈尔滨工业大学（深圳）宋清海教授、肖淑敏教授和胡竞天教授的研究团队在eLight（入选两期卓越计划）上发表了题为“Intelligent Nanophotonics: When Machine Learning Sheds Light”的综述文章，探讨了机器学习如何赋能纳米光子学，推动智能光子器件的发展。该文章介绍了人工神经网络在光计算、智能传感和计算成像、可重构光子器件等领域的突破性进展，并展望了未来的挑战与机遇。

光学神经网络赋能光计算

目前，在算力方面，由模型规模、效率与能耗交织成的“不可能三角”正在严重制约大规模神经网络的发展与应用。“不可能三角”指的是在现有技术条件下，大规模神经网络无法同时实现模型参数规模扩张、实时计算效率提升和能源消耗降低这三个目标，三者构成相互制约的三角关系，任何一方的优化必然以牺牲另外至少一方为代价。而光学神经网络由于其并行运算能力强，能耗低，计算速度快等优点被视为是解决“不可能三角”问题的强有力工具。在本节中，我们回顾了自由空间和片上集成两个方向上光学神经网络系统近几年来取得的一些重要进展及由光学神经网络系统实现的智能设备，同时深入剖析制约光学神经网络系统在人工智能领域广泛应用的瓶颈问题，并探讨突破这些限制的可行新兴技术路径。

图1：用于自由空间信息智能化多功能处理的衍射/超构表面神经网络

图2：用于片上信息处理和光学人工智能的集成光子学系统

可调谐材料与可重构光子学器件

人工智能系统在复杂任务执行中展现的强适应性驱动着智能光子学器件向高度可重构方向演进。可重构性是支撑智能光子学器件核心功能的关键技术特征，对于光学神经网络，可重构机制不仅可以赋予系统更高的可编程自由度，还可以通过结合原位学习(in-situ learning)策略为网络训练加速提供新的实现路径。我们在这一节中系统性地梳理了实现动态光子结构的创新材料体系与器件架构，涵盖从超构表面到集成光子芯片等多个维度，重点剖析智能光子学中实现可重构性的核心挑战，并深入探讨基于可调谐材料（如Ge₂Sb2Te₅、液晶）与器件体系的突破路径与发展前景。

图3：用于智能光子学的可调谐材料和器件架构

智能光子学的应用前景

我们预计在不久的未来，人工智能技术与光子学的深度融合将催生颠覆性的技术与基础设施，重新塑造我们的日常生活。例如，在“元宇宙”的宏伟愿景中，智能光子学能够提供高吞吐量、无缝衔接的信息交互界面，在极为紧凑的系统中高效传输数字世界与现实世界之间的视觉内容。此外，随着高速网络的普及，物联网设备的互联互通将从这一融合中受益，进一步推动智能互联时代的发展。同时，纳米光子学与人工智能的协同进步，也将在医疗领域带来深远影响，特别是在早期智能诊断方面，有望实现更精准、高效的健康监测和疾病预测，为未来医疗系统奠定坚实基础。从元宇宙，物联网到智慧医疗，智能光子学系统将为这些前沿领域提供更加强有力的技术支撑。

图4：智能光子学器件的应用场景

总结与展望

近十余年来，智能光子学领域经历革命性发展，在光学计算架构与动态可重构光子器件方面取得了一系列突破。微纳光子学器件通过亚波长尺度光场调控，正在重构深度学习硬件的底层范式，有望实现超高能效比并行计算。相较于传统电子芯片，智能光子学器件在多功能集成度、运算速度及系统紧凑性等维度的跨越式发展，为增强现实/虚拟现实（AR/VR）、物联网（IoT）、边缘计算及智能医疗等领域带来了颠覆性创新机遇。然而，智能光子学器件相关研究成果的产业化应用仍面临一些严重挑战，例如：

（1） 受现有的制备工艺的限制，器件的制造过程中存在一些无法避免的制备误差以及设计中使用的物理模型具有一定的局限性，实际制备光子器件的性能经常会与设计存在出入，这在很大程度上限制了智能光子学器件的大规模制造。

（2） 与最先进的人工智能模型相比，光子神经网络在准确性和泛化能力方面的表现仍然较弱，因此其在计算速度和功耗方面的优势无法得到充分利用。

（3） 目前训练智能光子系统的数据集主要是图像和视频，通过这些数据集训练的系统并未充分利用超构表面等微纳光子学器件对于多维光学信息的强大处理能力，这可能会使智能光子系统无法适应复杂的现实工作环境。

要突破上述挑战，研究人员需在机器学习理论、纳米制造工艺与材料体系等关键领域开展协同攻关，深度融合光子学、微电子学与计算机科学的前沿成果，通过体系化资源整合构建跨学科协同创新平台，方能实现技术瓶颈的系统性突破。（来源：中国光学微信公众号）

相关论文信息：https://doi.org/10.1186/s43593-025-00085-x