最近，一篇关于光计算的论文登上了Nature正刊，引起了广泛关注。该论文由牛津大学的研究人员发表，他们展示了一种利用光的局部相干性来增强光子计算并行性的新方法。
在过去的一个世纪里，光学相干控制取得了显著的进展，使得光的线宽范围从数十太赫兹（THz）到小于1千赫兹（kHz）。这种增强的控制能力已经彻底改变了光源，从荧光、发光二极管（LED）和激光器到分布式反馈激光器和稳定连续波激光器，为许多变革性应用奠定了基础，如长距离光纤通信、激光雷达、光学相干断层扫描等。
然而，尽管在稳定和维持高光学相干性方面存在挑战，研究人员已经寻求利用相干光的优越特性，通过使用部分相干光与后期处理重建方法相结合作为妥协解决方案。另一种方法是从非相干光源中产生更相干的光，最近的一项成就是使用微型螺旋相位板与结构色滤波器集成的非相干白光源实现时空相干的彩色涡旋光束生成。
随着深度学习在各个领域的广泛应用，如GPT-4和Midjourney等，对处理能力的需求呈指数级增长。为了满足这一需求，光子卷积处理被认为是硬件基础人工智能（AI）加速器的关键。光子处理器可以利用波分复用访问数十THz的宽带，并消除电容延迟和充放电能量耗散，因为光子不需要电势差来传输。
然而，现有的光子卷积处理系统架构都使用相干光源。相干纳米光子电路将光从单个相干光源分配到马赫-曾德尔干涉仪（MZI）阵列的输入。基于广播和加权协议的系统使用级联微环谐振器（MRR）阵列，其中光学输入是通过在多个波长上复用相干光创建的。
在这项研究中，研究人员展示了一种利用降低的时空相干性的光子卷积处理系统，他们称之为部分相干系统，以增强处理并行性，同时不显著牺牲准确性，并可能实现大规模光子张量核心。这种方法消除了对大量相移器或MRR的精确控制的需求，并减轻了对严格反馈控制和热管理的要求。
为了证明部分相干处理的广泛适用性，研究人员在两个用于计算应用的光子平台上进行了演示。首先，他们使用具有相变材料光子存储器的3x3光子张量核心进行了并行卷积处理，以对10名帕金森病患者的步态进行分类，并实现了92.2%的准确率。其次，他们实现了一种高速0.108 TOPS卷积处理器，使用具有嵌入式EAM的9x3硅光子张量核心和芯片上光电探测器，对MNIST手写数字数据集进行分类，准确率为92.4%。
部分相干性作为增强并行性的关键，使得光在同一个光学频段内可以被分配到所有输入通道，从而进行矩阵-向量乘法运算。这消除了对不同波长的需求，从而充分利用了光学带宽。此外，部分相干系统还具有更好的可扩展性，因为输入光学带宽不会随着输入向量维度的增加而扩展。
然而，部分相干系统也存在一些限制，主要是由于非相干光的信噪比（SNR）较低。这与非相干光的随机性质有关，但可以通过增加光学带宽与电学带宽的比率来减轻。此外，对于大型部分相干系统，需要长延迟线，这可能具有挑战性。
