量子计算还没搞懂，光子计算又要来统治世界？
遇事不决，量子力学
电脑太慢，量子计算
量子还慢，光子计算
量子计算成为目前炙手可热的名词，其热度不亚于当年的“远红外”、“云计算”、“纳米技术”、“石墨烯”。自从去年年底量子计算开始火起来之后，包括全球的政企、科研单位纷纷表示强烈关注，甚至券商也开始对其进行研究。三分钟搞懂量子力学之类的东西又火了起来，不过这个火还没过去，一个新的概念—— “光子计算”也迅速“横空出世”引起了大家又一次轰动。
伴随 AI 的兴起，传统的电子计算逐渐达到性能极限，并落后于数据增长的速度，神经网络对于 AI 当中各项处理能力均有上佳表现，而它通常采用的计算为矩阵矢量乘法。光学频率梳的发展为继承光子处理器带来了新的前景，该类设备还获得了2005 年诺贝尔物理学奖。
Nature 报道的两篇文章《11 TOPS photonic convolutional accelerator for optical neural networks》和《Parallel convolutional processing using an integrated photonic tensor core》当中，Xu 等人通过光学频率梳这种设置生产集成光子处理器，通过执行矩阵-矢量乘法，可以实现图像处理，针对单个处理内核，光计算速度超过每秒10万亿次操作（TOPS）。另一方面，费尔德曼和同事也利用了基于相变材料和光学芯片的光频率梳，进行光子内存计算，该处理器执行卷积，该卷积涉及跨越二维的光信号。该设备在基于相变材料（可以在非晶相和结晶相之间切换的材料）的“内存中”计算架构中使用光学频率梳。作者通过波长复用和使用相变材料集成单元阵列进行的模拟矩阵-矢量乘法，将输入数据完全并行化了。
关于光子加速 AI 的发展，自然报道给出这样的评论：
集成光子技术的出现成为实现未来计算架构前所未有的性能的潜在继任者。但是，构建实用的光学计算机需要材料科学，光子学，电子学等领域的研究人员之间的广泛跨学科地努力和合作。尽管报道的光子处理器具有较高的单位面积计算能力和潜在的可伸缩性，但是全光学计算规模（光学人工神经元的数量）仍然很小。而且，能量效率受到固有地吸收光的计算元件的限制，并且因为电信号和光信号经常需要进行互转换。另一个研究途径是开发高级非线性集成光子计算体系结构，而不是一维或二维线性卷积。通过电子电路和光子电路的集成形成混合光电框架进行硬件革新，将在通信，数据中心操作和云计算等领域具有重要的应用。
划重点：相对于电子来说，光子具有不带电荷（并行性）、没有静止质量（相对论规定的）、高速、信息存储强（它可以通过激光进行辐射，而传输密度可以非常巨大），此外光子也不会产生大量热量，种种优势，让光子计算成为了研究的热宠。
光子计算即使用光子替代电子的计算机，用光信号进行运算、逻辑操作、信息存储的计算。光子代替电子，具有并行、高速的特征，同时其传输过程当中也不容易失真。
1990 年，贝尔实验室就制成了第一台光子计算机，不过和理论上的光子计算还有一定的差距。其实，早在 1987 年，时任中国科学院上海光学精密机械研究所所长、现中科院院士王之江就在中科院院刊当中发表文章《光计算技术进展》，探讨了冯诺依曼瓶颈和光子计算的可行性，讲述光子计算的优势，而当时国际研究的重点主要在图像的相干处理上，此后非相干处理和非线性光学让这种技术迈上新的台阶。文章从光学器件、光学互联、光计算机结构和算法等方面做出了综述，提出了我国应该关注的动向。从现在的角度来看，当时提出的建议是具有前瞻性和极为重要的意义的，目前，我国已有多所高校和科研机构从事光子计算、光子芯片、光子器件等方面的研究。
眼下，光子计算已经逐步开始商业化，2017 年在《自然-光学》发表论文（Deep learning with coherent nanophotonic circuits）的两位作者沈亦晨与 Harris 已经分别创立了商业公司，从事光子芯片的商业化研究和推广。摩尔定律时生效的时日无多，下一个十年，会有怎样的定律出现呢？我们拭目以待！
参考资料
1.https://www.nature.com/articles/d41586-020-03572-y
2.https://www.nature.com/articles/s41586-020-03063-0
3.https://www.nature.com/articles/s41586-020-03070-1
4.http://www.bulletin.cas.cn/zgkxyyk/ch/reader/view_abstract.aspx?file_no=19870302&flag=1
5.https://www.nature.com/articles/nphoton.2017.93