一种光与物质的混合粒子或将帮助未来的计算机处理信息，而不会像当今芯片那样过热。

近80年来，现代计算一直依赖电子在电路中奔涌。这一理念驱动了最早的电子机器（如ENIAC），至今仍在驱动今天的智能手机、笔记本电脑和庞大的人工智能数据中心。

然而，人工智能正暴露出电子计算的一个严重弱点。电子会产生热量、损耗能量，并且随着芯片日益复杂而越来越难以管理。

训练和运行先进的人工智能模型已经消耗了巨量电力，这引发了担忧：未来的系统可能会变得过于耗电，难以高效维持。长期以来，科学家们一直希望光子能解决这个问题。

蒙大拿州立大学物理系助理教授李赫表示：“由于光子呈电中性且静止质量为零，它们能以极低的损耗长距离快速传递信息，因此在通信技术中占据主导地位。”

这就是为什么光已经通过光纤电缆主导了互联网通信。然而，光子有一个重大缺陷。李赫补充说：“它们几乎不与周围环境发生相互作用，因此在计算机所依赖的那种信号切换逻辑上表现很差。”

如今，宾夕法尼亚大学的研究人员表示，他们或许找到了突破这一限制的方法：创造一种奇特的混合粒子，它能同时表现出光与物质的双重性质。

利用光执行计算任务

该研究的作者专注于制造一种名为“激子-极化激元”的准粒子。它们并非自然界中存在的普通粒子，而是当光子与材料内部的电子激发态发生强耦合时形成的混合态。

要理解这一概念，可以想象光子和物质如此紧密地联结，以至于它们不再独立行动，而是作为一个组合实体起作用。研究人员利用嵌入纳米级光学微腔内的原子级薄单层半导体实现了这一点，该微腔被设计用来捕获和操控光。

在这个器件内部，光子与激子发生强烈的相互作用。激子是由电子在半导体中留下带正电的空穴时所形成的束缚对。在合适的条件下，这种相互作用变得极强，从而产生激子-极化激元，它继承了双方的特质。

从光子那里，它们获得了惊人的速度和低能耗的运动特性。从物质那里，它们获得了与其他信号进行强相互作用的能力。

研究作者指出：“这种非线性响应远超传统的非线性光学材料，为全光计算和光子量子信息处理提供了一条有前景的路径。”

第二个特性才是真正的突破

激子-极化激元本身并不新鲜，已被研究多年。然而，在紧凑的纳米腔平台上以极低的能量实现强非线性光开关一直是一项重大挑战。

传统光子系统之所以困难，是因为光子通常相互穿透而不发生相互作用。这对于通信而言是完美的，但对于计算，特别是对于需要非线性运算和决策步骤的人工智能系统来说，却是一个重大障碍。

如今，许多实验性的光子人工智能芯片仍需将光信号转回电信号来执行这些任务。每次转换都会拖慢系统速度并浪费能量。

先前在光子计算领域的研究已经探索了硅基光子学和光学神经网络硬件，但大多数系统在切换和控制方面仍严重依赖电子技术。

这种新型激子-极化激元平台通过实现全光开关部分地规避了这一问题，即一个光信号直接控制另一个光信号，无需转换为电信号。

研究人员演示了开关能量规模约为4飞焦（千万亿分之四焦耳），这是一个极微小的能量，远低于短时间点亮一颗小型LED所需的能量。

研究作者表示：“值得注意的是，我们以低至约4飞焦（4×10⁻¹⁵焦耳）的激发能量实现了腔光谱的全光开关，为二维激子-极化激元系统中的开关能量确立了新基准。”

这项工作表明，该平台解决了未来全光计算所需的关键缺失要素之一。

让人工智能数据中心实现可持续发展

如果这项技术能够成功规模化，就有可能大幅降低人工智能系统的能源需求。现代人工智能基础设施不仅为处理信息消耗大量电力，还为冷却过热的电子芯片消耗大量电力。

例如，像微软这样的公司正在建设配备先进液冷系统的人工智能专用数据中心，因为密集的AI处理器集群产生的热量实在太大，传统的风冷方式已不再足够。事实上，在一些设施中，装满人工智能芯片的机架所产生的热量堪比数十台连续运行的电暖器。

基于激子-极化激元的光子系统有可能避免上述大部分浪费，因为光产生的热量远少于移动的电荷。

研究作者声称：“这个系统可以加速用于人工智能的全光神经网络的开发，从而使计算完全在光学域中进行——提供超越电子架构的、前所未有的速度和能效。”

研究人员还认为，该平台可以让未来的光子芯片直接处理来自摄像头的视觉信息，同时减少目前拖慢人工智能硬件的反复信号转换。

然而，目前的研究展示的是一个概念验证装置，而非一台实用的计算机。构建大规模的光子计算系统将需要解决棘手的工程挑战。

研究人员还必须证明，该技术能够在受控实验室条件之外可靠地执行复杂的现实世界计算。因此，需要进一步的研究和实验来证明该平台在现实世界应用中的可靠性。

这项研究发表在《物理评论快报》上。