光子张量核心 · 相干光学神经网络训练芯片

本条为初评草案（AI 辅助编目）：T 阶为三问初评（撬动面 × 停滞度 × 临界性），双评过 σ 门并红蓝复核后才升"已建档"。查不到的字段留空不编。点亮者会进入亮星候选流程，其贡献与星阶按 HCF 独立重评，不从暗星自动继承。

光子张量核心 · 相干光学神经网络训练芯片量级 · 潜能待评

不止推理,让训练也在光域里完成

暗星编号DS-0552

轴E · 能量与能力前沿

领域ai-computing

状态初评草案 · 待双评与红蓝复核

这是什么 · 为什么难

在光子矩阵乘法基础上进一步实现片上光学反向传播与权重更新,目标是让神经网络训练(而不仅是推理)也能在光域完成,从而系统性突破电子训练的能效瓶颈。攻克意味着AI训练能耗曲线出现根本性拐点。

卡在哪 · 机制级卡点

光学域的非线性激活与梯度计算实现困难,权重存储和更新的光电混合方案带来额外误差累积,目前尚无演示达到与电子训练相当精度的规模化系统。

谁在攻

麻省理工学院 Englund/Soljačić 实验室普林斯顿大学 Lipson 实验室(哥伦比亚大学同源)Lightelligence新加坡国立大学光子计算组

怎么参与

学光学神经网络理论与硅光工艺,关注 MIT/Columbia 相关 Nature 论文,职业路径为光学AI训练架构研究员。