其他
光学计算70年
光学计算是一个有着70年历史的非常有趣的研究领域。
在摩尔定律注定终结的背景下，各种新型计算架构不断涌现，旨在满足难以实现的计算和人工智能需求。鉴于光子的固有特性，包括高传播速度、强鲁棒性和多自由度信息编码，它将是一个有竞争力的候选方案。这一领域曾在上世纪60年代引发了极大的热情，其重大突破开辟了大量前景。1980年至2000年可谓黄金时代，为实际应用设计和制造了大量新技术和创新型光学处理器。
如今，光学计算领域仍未消亡，而是不断发展，其成果惠及纳米光学、生物光子学或通信系统等新的研究课题。
由于光学计算在如此长的时间内是一个定义明确的领域，因此研究其演变过程是非常有趣的。接下来，我们将简要介绍光计算从起源到今天的发展历程。
光学信息处理的基础是利用光的速度和并行性等所有特性，以高数据速率处理信息。信息的形式是光信号或图像，与主要采用串行方式的计算机进行电子处理相比，光学处理所固有的并行处理特性往往被视为光学处理的主要优势之一。
因此，光学在实时处理大量数据方面具有重要的潜力。
透镜的傅立叶变换特性是光学计算的基础。使用相干光时，透镜会在其后焦平面对位于其前焦平面的二维透明体进行傅里叶变换。透镜以模拟方式计算出带有振幅和相位的精确傅立叶变换。下面将依次介绍众所周知的光学处理器通用结构和光学相关器结构：
处理器由三个平面组成：输入平面、处理平面和输出平面。
需要处理的数据显示在输入平面上，大多数情况下，该平面将实现电光转换。空间光调制器（SLM）可以完成这种转换。输入信号可以是一维或二维的：一维输入信号通常使用声光单元，二维信号则使用二维空间光调制器。早年，由于没有SLM，输入平面由一个固定的幻灯片组成。因此，光学处理器的原理和潜力可以得到展示，但无法进行实时应用，这使得处理器在实际应用中大部分时间都毫无用处。
处理平面可以由透镜、全息图（光学记录或计算机生成）或非线性元件组成。这是处理过程的核心部分，在大多数光学处理器中，这部分可以以光的速度进行处理。
光电探测器、光电探测器阵列或照相机构成了输出平面，在这里可以检测到处理结果。
上图清楚地表明，整个处理过程的速度受限于其最慢组件的速度，即大多数情况下输入平面SLM的速度，因为它们大多以视频速率运行。SLM是开发实用光学处理器的关键部件，但不幸的是，它也是最薄弱的部件之一。事实上，SLM的性能差、成本高，延误了用于实时应用的光处理器的制造。
实时模式识别被认为是光学处理器最有前途的应用之一，因此，科学家们提出了以下两种光学相关器结构：
1966年，Weaver和Goodman提出了另一种光学相关器结构，即联合变换相关器（JTC）。JTC的优点之一是无需计算相关滤波器，因此是实时应用（如目标跟踪）的理想架构，因为在这种应用中，基准必须以高数据速率更新。
上述两张图片介绍了相干光处理器。此外，科学家们还曾提出了非相干光处理器：信息不是由复波振幅传递，而是由波强度传递。非相干处理器对输入平面的相位变化不敏感，也不会产生相干噪声。然而，由于信息的实值为非负，因此在实现某些信号处理应用时需要使用各种技巧。
线性光学处理可分解为相关和卷积等空间不变操作或坐标变换和霍夫变换等空间不变操作；非线性处理也可以通过光学方法实现，如对数变换、阈值处理或模数转换。
信息光学是五十年代以来公认的光学分支。不过，从历史上看，1859年傅科的刀刃试验可以说是光学信息处理的起源。其他贡献者还包括1873年提出显微镜图像形成理论的 Abbe，以及1934年提出相衬滤波器的Zernike。
1946 年，Duffieux出版了一本关于傅里叶方法在光学中的应用的书，做出了重大贡献。该书以法文撰写，由Arsenault翻译成英文。Maréchal的工作是另一项重大贡献；1953年，他展示了相干照明下的空间频率滤波。
光学计算基于一种分析光学问题的新方法；事实上，通信和信息论的概念构成了光学信息处理的基础。1952年，埃利亚斯提出用通信理论工具分析光学系统。在一篇历史性论文中，计算机生成全息图的发明者Lohmann写道：“在我看来，Gabor的论文是物理光学的范例，他在扼杀孪生图像的失败尝试中所使用的工具也是物理工具，如分光镜。相比之下，埃米特（莱斯）和我认为全息技术是光学信息处理领域的一项事业。在我们的工作中，我们将图像视为信息，并运用通信和信息理论中关于载体的概念，将孪生图像与所需图像分离开来。换句话说，我们的方法代表了从物理光学到光学信息处理的范式转变”。
全息技术可以归入信息光学的范畴，因为这两个领域密切相关，共同进步。至于1948年由Gabor发明的全息术，光学图像处理的发展一直受到限制，直到1960年发明了相干光源——激光。
我们可以将这一阶段分为两个时期。首先是七十年代初，人们对光学和信息处理这一新领域充满热情，所有的基本发明都是在这一时期完成的，光学在实时数据处理方面的潜力非常可观。然而，由于技术问题、特别是SLM方面的技术问题，现实生活中的光学处理器并不多见。到了70年代，研究变得更加现实，人们开始尝试制造实际应用的光学处理器，由于计算机的进步，与计算机的竞争也变得更加激烈。
1）资助发明
1960年激光器一经发明，光学信息处理就迅速发展起来，该领域的所有重大发明都是在1970年之前完成的。在Gabor全息图中，重建的不同项都在同一轴上，这是显示的一大缺陷。1962年，Leith和Upatnieks推出了离轴全息图，它可以将重建的不同项分开，从而获得出色的三维重建效果——这是实用全息技术冒险的开始。
1963年，Vander Lugt提出并演示了一种利用傅立叶全息图技术合成相干光处理器复杂滤波器的技术。这一发明赋予了4-f相关器与匹配滤波器或其他类型滤波器的所有功能，并引发了该领域的所有研究。1966年，Weawer和Goodman提出了联合变换相关器（Joint Transform Correlator，JTC）结构，该结构将作为4-f相关器的替代方案被广泛应用于模式识别领域。
1966年，Lohmann推出了第一张计算机生成全息图 (CGH)，使用面向单元的编码，以适应当时有限的计算机能力，从而彻底改变了全息技术。这是一个新领域的开端，70年代又开发出了不同的面向细胞的编码方式。1969年，一种纯相位编码的CGH--Kinoform也被提出，为具有高衍射效率的现代衍射光学元件开辟了道路。直到1980年，CGHs编码方法一直受到计算机能力的限制。
1965年，Armitage和Lohmann提出了通过非相干空间滤波进行字符识别的方法。1982年，Rhodes和Sawchuk对非相干光处理进行了回顾。
2）早期的空间光调制器
如前所述，只有通过空间光调制器控制输入平面或滤波器平面（在4-f相关器的情况下）的振幅和相位调制，才能构建出实用的实时光学处理器。多年来，人们利用物质的几乎所有可能的物理特性对光进行调制，对大量SLM进行了研究，但只有少数SLM得以幸存，并成为工业产品。
从一开始，SLM主要是为大屏幕显示器而开发的。早期的SLM有一些是基于波克尔斯效应的，其中有两种设备很有前途：带有DKDP晶体的光电转换器用于大屏幕彩色显示，也可用于光学图案识别，但晶体必须在居里点（0°C）工作；普克尔盒（PROM）用于光学处理，但它受到限制，因为写入时需要蓝光，读出时需要红光。所有这些设备都因其局限性而消失了。
液晶技术幸存了下来，如今已成为SLM最常用的技术。最早的液晶SLM是在60年代末开发出来的，例如，由元素组成的电寻址液晶矩阵。随后，矩阵尺寸不断增大，1975年，法国LETI公司制造出了矩阵寻址SLM。该设备使用向列液晶，像素间距为300米，单元厚度为8米，寻址信号为 120V均方根（RMS）和10V均方根（RMS）。
1978年，休斯公司开发出一种非常成功的光学寻址液晶SLM或阀，并在光学处理器中使用了10多年。不过，这种SLM非常昂贵，分辨率为每毫米40线对，速度受限于视频速率，而且由于它是光学寻址的，必须与阴极射线管（CRT）耦合，因此如果输入信号是电信号，它就显得特别笨重。
70年代还开发了其他类型的SLM，如Knight在对1980年出现的SLM进行的一次重要评述中提出的可变形膜SLM。他指出，由于1980年SLM的局限性，它们在相干光处理应用中的用途有限。不过，这种SLM技术如今仍用于自适应光学。
总之，在七十年代末，尽管人们付出了巨大的研究努力，但还没有真正适合实时光学信息处理的SLM问世。
3）成功的应用：雷达信号光学处理
第一台相干光学处理器专门用于处理合成孔径雷达（SAR）数据。
1953年，密歇根大学根据与美国陆军和美国空军签订的合同，启动了相干光处理方面的首次重大研究工作。直到70年代初，该处理器一直在不断改进，并取得了成功。由于第一台处理器是在激光发明之前设计的，因此它是由汞灯产生的光驱动的。该系统不是实时运行的，输入由一个输入胶片传送器组成，该传送器载有对接收到的雷达信号的照相记录，处理由一个锥形透镜完成，输出则是胶片。70年代初，数字计算机在合成孔径雷达应用领域成功地与相干光学计算机竞争，并最终胜出。
4）光学存储器和电子计算机存储器
将光学存储器的研究与60年代的存储器联系起来是很有用的。当时，计算机的中央存储器是核心存储器，采用这种技术的紧凑型存储单元已经问世。
然而，这种技术的发展是有限的。例如，1966年推出的阿波罗制导计算机（AGC）用于登陆月球的登月舱，其内存为2048字RAM（磁芯内存）和36864字ROM（芯绳内存），字数为16位。1970年10月，英特尔推出了第一款 DRAM（动态随机存取存储器）——英特尔1103电路（the Intel 1103 circuit）。该芯片采用P沟道硅门MOS技术，容量为1Kbit，最大访问时间为300ns，最小写入时间为580ns。
与当时的存储器相比，光存储有两个吸引人的特点：潜在的高密度和并行访问的可能性。早在1963年，van Heerden就提出了三维材料光存储理论。1968年，贝尔实验室制造出第一个全息存储器，其全息矩阵为32x32页，每页64x64位。1974年，Thomson-CSF的d'Auria等人构建了第一个完整的三维光学存储器系统，将信息存储到具有角度复用功能的光折射晶体中，实现了10页10^4位的存储。美国也开发出了使用薄膜的全息存储器。1973年，Harris公司为罗马航空发展中心开发的人机读取（HRMR）系统中，合成全息技术被应用于数字数据的记录和存储。
5）光学傅立叶变换处理器、光学模式识别
光学模式识别从一开始就是光学处理的首选，因为它充分利用了光学的并行性和傅立叶变换特性。
光学/数字混合处理器成为实际应用和解决数据处理与模式识别实际问题的一种解决方案。几乎所有提出的处理器都还停留在实验室原型阶段，从未有机会取代电子处理器，即使当时电子和计算机的功能还远不如现在强大。造成这种情况的原因有很多；能够从光学处理器的速度中获益的应用数量可能还不够多，但主要原因是缺乏功能强大、高速、高质量、价格合理的SLM（用于处理器的输入平面和滤波器平面）。
光学处理器的灵活性也不如数字计算机，因为数字计算机可以非常容易地进行大量数据处理。
这一时期可称为光学计算的黄金时代。人们对这一领域充满热情，前景一片光明，相关项目也得到了资助，全球范围内的研究工作非常密集。
每年，不同的国际学会都会就光计算的相关主题组织几次国际会议。期刊上经常会有关于这些主题的特刊，《应用光学》每月10日都会有一期题为“信息处理”的特刊。在光学信息处理的所有领域，包括算法、模拟和数字计算、线性和非线性计算的理论研究都取得了丰硕的成果。用于实际应用的光学相关器甚至实现了商业化。然而，在2000年左右，我们可以感觉到人们对这一课题的兴趣开始下降。
原因是多方面的，但可以指出的是数字计算机在性能、功率和灵活性方面的发展。此外，数字计算机还非常易于使用，即使对于非专业人员来说也是如此。
1）从计算机生成全息图到衍射光学元件
计算机全息图是光学处理的重要组成部分，因为它们可以处理信息。最初的CGH大多面向细胞，因为这些方法非常适合当时内存容量较小的计算机和打印机技术。
到了八十年代，技术环境发生了变化，出现了内存容量更大的计算机，电子束写入器也得到了更广泛的应用。因此，为了实现高质量和高衍射效率的CGH光学重建，新的编码方法，即面向点的方法应运而生。首先，用于印刷应用的误差扩散算法被应用于CGH编码，可以在重建平面上将噪声与所需图案分离。随后，人们提出了迭代算法，其中最著名的是Seldowitz等人于1987年提出的直接二进制搜索算法(DBS)、Wyrowski和Bryngdahl于1988年提出的迭代傅立叶变换算法 (IFTA)。采用这些算法编码的CGH重构具有较高的信噪比和较高的衍射效率，尤其是在纯相CGH的情况下。后来又提出了一些改进方案，例如引入最优多标准方法。值得注意的是，这些迭代法仍在使用。
九十年代，主要的进展是在制造方法上采用了光刻技术，可以在石英上蚀刻出高精度的只相元件。包括CGH在内的衍射光学元件(DOE)这一名称的使用也反映了这一演变。
得益于光刻技术的进步，亚微米级的衍射光学元件已经可以制造出来，例如偏振选择性CGH、人工电介质、光斑发生器。纳米结构的制造需要基于严格的衍射理论而不是标量衍射理论对衍射进行新的研究。
2）空间光调制器的成熟
由于空间光调制器的可用性是光信息处理成功与否的一个重要问题，1980年后，人们投入了大量精力开发空间光调制器，以满足光处理器在速度、分辨率、尺寸和调制能力方面的要求。
八十年代和九十年代推出的SLM超过50种。例如，除了液晶SLM之外，还有磁光SLM、多量子阱器件(MQW)、硅 PLZT SLM和可变形镜器件。然而，这些SLM中只有极少数得以幸存。因此，在目前商业化的SLM（主要用于显示目的）中，主要有两种技术：液晶技术和数字微镜器件 DMD（基于MEMS的技术）。
液晶SLM有不同的类型。扭转向列液晶SLM是常用的液晶SLM，其理论和实验特性表明它具有振幅和相位耦合调制功能，工作速度受视频速率限制。铁电液晶SLM的速度可达几千赫兹，但市场上的大多数器件都是二进制双稳态器件，因此限制了其应用。虽然还不太为人所知，但特定的铁电液晶SLM可以实现模拟幅度调制。向列液晶或平行排列液晶(PAL) SLM产生的纯相位调制可以超过它们的调制频率，对于动态衍射光学元件等要求高光效的应用尤其具有吸引力。其速度可达500 Hz。
使用扭曲向列液晶的矩阵电寻址SLM取得了长足的进步。1985年左右，人们对小型LC电视屏幕进行了广泛评估，但其性能不佳（相位不均匀、分辨率有限......）限制了其在光学计算中的应用；随后，VGA、SVGA和XGA分辨率SLM被引入视频投影仪，这些从视频投影仪中提取的SLM被广泛表征，并集成到光学处理器中。同一时期，高性能光学寻址SLM也被制造出来，例如Hamamatsu公司的 PAL SLM。现在，高分辨率的硅基液晶（LCoS）SLM已经实现商业化。所有这些SLM都必须非常精确地进行表征，有关这方面的论文已经发表了很多。
总之，自光学处理器诞生以来，商用SLM首次满足了速度、调制能力和分辨率方面的要求。SLM的应用非常广泛，如脉冲整形、量子密钥分发、全息图重建、计算机生成全息图、DOE、光镊、光学计量等等。
3）光学存储器
在并行光学计算机中，需要一个并行访问的光学存储器，以避免并行处理器和存储器之间的瓶颈。因此，在上世纪最后二十年里，开发三维并行访问光存储器的研究非常活跃。
人们提出了采用不同技术的不同架构。例如，Marchand等人在1992年构建了一个无运动头并行读出光磁盘系统，最大数据传输率达到1.2 Gbyte/s。加州理工学院的Psaltis使用光折射晶体等不同材料，开发了一套完整的三维光学全息存储器研究计划。在该计划框架内，Mok等人实现了将10000幅440 x 480像素的全息图存储到3立方厘米的光折射晶体中。IBM在全息存储器领域也非常活跃，并在90年代实施了Darpa的两个重要项目：PRISM（光折射信息存储材料）项目和HDSS（全息数据存储系统）项目。
为开发全息存储器成立了几家新公司，但其中大多数都已消失。不过，其中一家名为In Phase Technologies的公司目前正在将使用光聚合物材料的全息WORM磁盘存储器系统商业化。人们还研究了其他类型的光存储，如双光子存储器、光谱孔燃烧。
如今，全息存储器仍被视为未来存储器的候选方案，但记录材料的问题尚未解决，尤其是没有易于使用且廉价的可重写材料。光聚合物只能写入一次，而光折射晶体尽管经过了大量的研究，但仍然很难使用，而且价格昂贵。
4）光学信息处理、光学模式识别
上世纪最后二十年是光学处理和光学模式识别研究的密集期。人们对这些处理器的各个方面都进行了研究，研究进展显著。
参考滤波器是光学相关器中的一个关键元件，研究的重要部分也集中于此。相关性是位移不变的，但也是尺度不变和方向不变的。因此，人们提出了几种解决方案，例如使用合成判别函数（SDF）来克服这一缺点。除了经典的匹配滤波器，还提出了其他一些改进方法。为提高复杂场景中目标的辨别能力，已经开展了大量工作。
对JTC的结构也进行了广泛研究，如非线性JTC。
利用SLM的进步以及有关滤波器和结构的理论研究，人们建造了大量的处理器。其中一些处理器留在了实验室，另一些则进行了实际应用测试。这一时期制造的光学处理器数量众多，本文无法一一列举。
1982年，Cleland等人建造了一台光学处理器，用于探测高能物理实验中的轨道。这种非相干处理器使用LED矩阵作为输入平面，使用Kinoforms矩阵作为处理平面。它被成功应用于布鲁克海文的实际高能物理实验中。
Hough变换是一种用于检测曲线参数的空间变异操作。这种变换可以充分利用光学实现的并行性。1986年，Ambs等人基于光学记录的全息图矩阵构建了一个光学处理器。十年后，这种实现方式得到了改进，使用了由64×64 CGH 矩阵组成的大规模DOE，该矩阵通过光刻技术制造，具有4个相位层。Hough变换的其他几种光学实现方法也已发表。Casasent提出了几种不同的光学实现方法，例如使用声光单元的方法。
法国的Thomson-CSF在一个欧洲项目框架内，成功制造并测试了一个用于机器人应用的紧凑型光折射相关器。由一个微型YAG激光器、一个液晶SLM和一个可更新的全息BSO晶体组成，该相关器还被用于指纹识别。
OCA公司（前身为Perkin-Elmer）在1990年左右制造了一个微型Vander Lugt光学相关器。该相关器由一个休斯液晶阀、一组水泥波罗棱镜和一个全息滤波器组成。该处理器的目的是展示这项用于自主导弹制导和导航的技术。该系统与空中图像相关联，引导导弹飞向预先选定的地面目标。该处理器以其坚固的装配而引人注目；直径105毫米，长90毫米，重2.3千克。
1995年，OCA制造了一个光学相关器原型，可安装在个人电脑的PCI插槽中，每秒可处理多达65 Mbyte的图像数据。
美国的Darpa于1992年启动了一个名为TOPS（将光学处理技术转化为系统）的项目，联合了一些大学和大约十家重要公司，这些公司都是该技术的潜在用户和开发商。
BNS于2004年推出了一款使用四千赫模拟空间光调制器的光相关器。受检测相机的限制，该处理器每秒只能处理979帧图像。不过，相关器的其他部分能够达到每秒4000帧。
喷气推进实验室（JPL）开发了几种用于实时自动目标识别的光学处理器，萨塞克斯大学也建造了一个全光学相关器和一个数字-光学混合相关器。
还应指出的是，有几种光学相关器可以在市场上买到，但不能确定是否取得了商业上的成功，因为其中大多数已不再商业化。例如，2000年，INO和BNS将光学相关器商业化。
光学处理器还被设计用于许多其他运算，如矩阵运算，或收缩阵列处理和神经网络处理器。
5）数字光学计算
前文所述的光学处理器都是模拟的。然而，为了更有效地与数字电子计算机竞争，数字光学计算成为一项非常重要的研究方向。同样，数字光学计算领域极为广泛，所取得的成果不胜枚举，本文无法一一介绍。
尽管模拟硬件实现的演示很有前途，但在20世纪90年代，人们对定制光学硬件的兴趣逐渐减弱。这主要有三个原因：
- 模拟加速器的优势（功率和速度）只适用于非常大的网络；- 非线性激活函数的光电实现技术尚不成熟；- 模拟权重难以控制，因此难以可靠地控制大型光网络。
在这几年中，情况发生了变化。DNN已成为许多应用的主流算法之一；此外，光电子学和硅光子学的重大改进，特别是超大型网络的出现，促使许多研究人员重新审视以光学方式实现神经网络的想法。
6）光学互连
光学互联是光学具有巨大潜力的一个领域，这些互联可以是引导式的，也可以是自由空间的。人们研究了光互连的各个方面：组件（开关、光源、探测器等）、架构、路由算法等。九十年代发表了大量相关论文，例如，关于基于超立方体的光互连的论文、关于交叉条网络的论文、关于在光互连中使用液晶SLM的论文、关于在光互连中使用衍射光学的论文、关于全息互连网络及其局限性的论文等等。
如今，光学技术在电信领域已无敌手，包括光纤和光缆、波分复用（WDM）、光放大器和基于MEM的交换机。
2009年，英特尔公司仍在研究用太赫兹带宽、低损耗和低串扰的光互连取代芯片间电气互连的可能性。
尽管光计算机具有巨大的潜力，并且已经经历了大约半个世纪的集中研究工作，但通用光计算尚未成熟为实用技术。
传统的光学计算领域已不再那么活跃，它并没有消亡，而是在不断发展。如今，许多研究课题都受益于光学计算的研究成果，因此该领域也许不再那么明确。一些迹象表明，这一领域的活动已经发生了变化：
- 继续开展光学相关器研究的研究团队较少，但值得注意的是，喷气推进实验室（JPL）仍在研究用于实时自动目标识别的光学相关器。
- 最初为光学处理而开发的一些模式识别算法现已成功用于数字计算机。DOE现已成熟，成为众多工业产品的一部分。有关制造DOE的所有研究都使纳米结构的制造成为可能，也使纳米光子学、纳米流体学和光流体学等令人兴奋的新研究领域成为可能。
- 生物光子学是一个飞速发展的领域，在很大程度上受益于过去的光学处理研究。典型的例子是光学镊子和光学捕获。
- 数字全息技术用照相机取代了全息板，全息技术再次在工业领域得到应用，特别是在制成品的质量控制和数字全息显微技术方面，为光学显微技术开辟了全新的应用领域。
- 在信息处理方面，光学也找到了它的独特之处，如偏振成像或多光谱成像。安全应用也是光学信息处理的一个前景广阔的领域：众所周知，光学通常用于通信系统。
过去二十年来，光学和光子计算系统取得了长足进步。最近，人们探索了一些最具挑战性问题的创新解决方案，包括全光非线性、大型光子网络的可靠控制、电光转换效率和可编程性。然而，在可预见的未来，开发通用光学计算系统可能仍然具有挑战性。然而，人工智能的出现及其要求（尤其是对推理的要求），为光学元件增强电子元件创造了新的机遇。
光学计算仍然是物理学、工程学和计算机科学交汇的一个令人兴奋的研究领域。
光计算领域的研究发展史揭示了一场非凡的科学探险。它始于相干光的处理能力，特别是其傅立叶变换能力；这段历史表明，人们为制造能够实时处理大量数据的光学处理器付出了巨大的努力。今天，我们看到光学在通信和存储器等信息系统中取得了巨大成功，而在计算机领域却相对失败：过去电子计算机的飞速发展，曾经导致高性能计算领域已经没有光计算的空间了。
随着信息时代和人工智能时代的到来，发达的光子技术和先进的量子技术开启了光计算的新篇章，将光子计算带入了竞赛。
要充分发挥光学计算机的潜力，必须取得哪些突破，这个问题肯定会引发各种不同的争议性答案。光学计算领域的所有研究成果都极大地促进了生物光子学、纳米光子学、光流体学和飞秒非线性光学等新研究课题的发展。但是，全光学计算机超越数字计算机的梦想从未成为现实，用于模式识别的光学相关器也几乎销声匿迹。
原因是多方面的：
- 光学处理器的速度始终受到输入和输出设备速度的限制；
- 数字计算机的发展非常迅速，摩尔定律仍然有效，多核处理器的功能更加强大，而且数字计算机显然更容易使用，灵活性更高；
- 数字计算机比光学处理器进步更快。光学计算主要是模拟的，而电子计算是数字的；
......
由于缺乏适当的光学元件，数字光学计算机无法与电子计算机竞争。由此看来，解决的办法显然是把光学和电子学联系起来，只有当光学能带来电子学所不能带来的东西时，才使用光学。当信息是光学的，不需要电子到光学的转换器时，光学处理就会很有用。
我们认为混合光学计算系统是这一领域最有前途的方向之一。混合系统将光学计算的带宽和速度与电子计算的灵活性结合在一起，可以利用模拟和数字光学/光电子/电子系统的通用节能技术基础。将混合光学电子推理机应用于计算机视觉、机器人、显微镜和其他视觉计算任务中的人工智能推理，可以实现长期以来为光学计算机所赞誉的一些变革性能力。
事实上，光学在并行实时处理方面的潜力依然存在，时间将证明光学计算是否会卷土重来。
参考链接：[1]https://www.hindawi.com/journals/aot/2010/372652/[2]https://spectrum.ieee.org/analog-ai-optical-training[3]https://www.nature.com/articles/s42254-023-00645-5[4]https://www.nature.com/articles/s41586-020-2973-6[5]https://www.economist.com/science-and-technology/2022/12/20/artificial-intelligence-and-the-rise-of-optical-computing[6]https://pubs.acs.org/doi/full/10.1021/acsphotonics.2c01543
|qu|cryovac>