麻省理工学院（MIT）的研究团队首度实验性展示了新系统，该系统采用了数百个微米级雷射来执行基於光而非电子移动的计算，同时展现出能比目前最先进机器学习电脑的能源效率高出 100 倍、计算密度高 25 倍的惊人表现。
该系统的改善空间非常巨大，换言之，未来的改进将有望实现几个数量级的提升，这也为大规模光电处理器（optoelectronic processor）的发展另辟蹊径，进而加速从资料中心到分散式边缘装置的机器学习任务。在未来最令人期待的，莫过於即使像手机这样的小型装置也能执行原本只能在大型资料中心计算的程式。
随着深度神经网路（DNN）的兴起，资料科学正在不断演进。面对 DNN 的指数级扩展，传统电脑硬体能力难免显露捉襟见肘的疲态，反观近来光学神经网路（ONN）已经大幅进化，能以高时脉频率平行处理深度神经网路任务，同时实现封包遗失的最小化。
尽管如此，ONN 却出现了低电光转换效率、元件极占空间和通道串扰等会导致低计算密度的三大问题，同时因为缺乏内联非线性（inline nonlinearity）而引发显着延迟的状况。
对此，研究人员首次提供能一次解决上述所有问题的微型设计，它属於一种空间时间多工（spatial-temporal-multiplexed）ONN 系统，可透过微米级垂直共振腔面射型雷射（Vertical-Cavity Surface-Emitting Lasers，VCSEL）阵列进行神经元编码。该元件能够大量生产，并展现出色的电光转换效率。总之，这样的设计似乎在不久的将来会有两个数量级的大幅改善，届时光电处理器将为加速横跨集中式及分散式基础设施上的机器学习流程提供崭新契机。
- Light-Based Computing Revolution: Powering ChatGPT-Type Machine Learning Programs with Enhanced Optical Neural Networks
（首图来源：MIT）