用于AI推理和组合优化的模拟光学计算机

人工智能（AI）和组合优化推动了科学和工业领域的应用，但其日益增长的能源需求挑战了数字计算的可持续性。大多数非常规计算系统针对AI优化工作负载，并且依赖于能源密集型的频繁数字转换，从而限制了能效。这些系统还面临应用硬件不匹配的问题。

研究组介绍了一种融合了模拟电子学和三维光学的模拟光学计算机（AOC），可在单个平台上加速AI推理和组合优化。这种双域能力通过快速定点搜索实现，避免了数字转换并增强了噪声鲁棒性。通过这种定点抽象，AOC实现了具有递归推理潜力的计算密集型神经模型，并实现了一种用于表达优化的高级梯度下降算法。

研究组通过图像分类、非线性回归、医学图像重建和金融交易结算这4个案例研究，展示了协同设计硬件和抽象的优势，以响应数字加速器和深度学习模型的共同进化。AOC采用可扩展的消费级技术构建，为更快和更可持续的计算开辟了新路径。其对迭代、计算密集型模型的支持为促进AI和优化的未来创新提供了一个可扩展的模拟平台。

相关论文信息：

https://doi.org/10.1038/s41586-025-09430-z

在量子处理器上探测非平衡拓扑序

多体系统中的非平衡相构成了量子物质的新范式，表现出可能被平衡热力学所禁止的动力学性质。在这些非平衡相中，周期性驱动（Floquet）系统因其高度纠缠而通常难以进行经典模拟。

研究组在超导量子比特阵列上实现了此前理论预言的Floquet拓扑有序态。他们对其手性边缘模的特征动力学进行了成像，并表征了其涌现的任意子激发态。通过设计一种干涉测量算法，研究组实现了引入和测量体拓扑不变量，以探测系统规模高达58个量子位的任意子动力学嬗变。

该工作表明，量子处理器可为迄今仍知之甚少的高度纠缠非平衡物质相提供关键见解。

相关论文信息：

https://doi.org/10.1038/s41586-025-09456-3

球状星团和球状星团样矮星的出现

球状星团是宇宙中最古老、密度最大的恒星系统之一，但其形成机制仍是一个谜。

研究组提出了一套宇宙学模拟，其中无暗物质的球状星团和富含暗物质的矮星系在标准宇宙学框架中自然形成。他们发现，这些天体占据尺寸-光度平面上的不同位置，其年龄和年龄分布、金属丰度和金属丰度分布与宇宙中的球状星团和矮星吻合。

在该模拟球状星团中，约半数通过在宿主矮星系中心附近的恒星形成，其余则在较远区域由合并触发形成，后者在潮汐上更隔离，更有可能存续至今。最终，该模型预测了一类新天体的存在，研究组称之为“球状星团样矮星”。

球状星团样矮星形成于高红移时期低质量暗物质晕中的单次自淬灭恒星形成事件，其观测特性介于球状星团和矮星系之间。研究组在银河系中发现了几个矮星系，比如Reticulum Ⅱ，它们可能属于这类新天体。若得以证实，球状星团样矮星将会对暗物质模型和寻找无金属恒星的新位置进行前所未有的约束。

相关论文信息：

https://doi.org/10.1038/s41586-025-09494-x

（未玖编译）