Xinzhiyuan报告编辑：QingQing [Xinzhiyuan简介]无论芯片多快，它都不会像光快！微软研究所与剑桥中的一台模拟光学计算机相撞：由手机摄像机，微型LED和镜头制成，但在实验中，它可以更快地达到100倍，而能量更好的100倍。这种成功已经达到了本质，也许计算强度模式将再次写入。近几十年来，主要公司一直在秘密竞争芯片：筹码价格上涨，GPU缺陷和计算AI的焦虑...当每个人都盯着改变和升级芯片时，微软使另一件事保持安静：重新定义计算。他们花了四年的时间使用手机摄像头，Micro LED和镜头来创建模拟光学计算机（AOC）。如今，该实验浮现在大自然中，使未来的想象力足以推翻GPU。 Photon首次亮相：设定点搜索DE的秘密Cades，《计算能力故事》是用硅晶片：摩尔定律的速度，GPUS的GPUSSTACK和能量消耗焦虑而写的。但是在英格兰剑桥，微软研究的一支小团队采取了完全不同的道路 - 光子计数允许。他们已经弹出了一个模拟光学计算机（AOC），并且该材料根本不常见：来自手机的微型LED，光学镜头和相机传感器。它看起来像是“实验室机器”，但它打开了计算能力的另一种可能性。英国剑桥市的Microsoft Research Laboratory模拟光学计算机的详细图像。这是由商业组件制成的，例如智能手机相机的微型灯和传感器。实际上，1960年初提出了光学计算的概念，但它仅限于该过程，并保持在理论层面。现在，微软团队确实做到了。 AOC的真正秘密不是这些部分，它是如何运行的 - 修复了Point搜索。它将光学和模拟电子电路置于循环循环中：光学组件完成了矩阵矢量的繁殖，并且电子部件具有不平等，加法和还原以及退火操作。每个循环仅持续约20纳秒，这些信号继续处于循环中，直到转换为实心“固定点”为止。这个固定点是问题的答案。 Themicrosoft的内部模拟光学计算机结构：左上方是示意图，右下是替代计算中光子和电子的链接。该方法解决了长期以来一直是光学计算的两个问题：一种是防止高成本数字到动物的转换混合体系结构，从而大大降低了能源消耗；其他人是具有反命中率的好处的自然人。在不同的过程中，固定点就像磁铁，它牢固地尖叫了答案，并且不容易偏离。这当然是因此，AOC可以处理优化平台并具有AI推理的问题。四年前，这是一次实验室冒险。现在，它进入大自然，这是第一次进入纸的光学计算不再是纸张的概念，而是真正进入公众。 Microsoft CEO Satya Nadella passed AOC research on X, called "To be better" the new way to solve complex problems in real life "and emphasized that the results are published in nature from banks to hospitals: AOC's first actual battle what the Microsoft team wants the public to see the public, Real world.Find the most efficient method of regulating the road -thousands of transactions. Here, the team first built a smaller version: 46 transactions, 37参与者，优化的问题被转换为41个变量，结果表明，在AOC中仅在7个迭代中发现了最佳解决方案。Lieve有很大的探索潜力。我们在金融业也有其他问题，我们认为AOC技术有可能在解决这些问题方面发挥作用。 -Logan Phantom大脑切片图像，成功地使用了64个变量，他们使用数字双胞胎（AOC-DT）来重建包含200,000个变量的真实MRI大脑：空白：“为了透明，我们现在不能在临床上使用它。这是一个小实验Ental确实完全做到了后果，但是人们会感觉到，如果确实完全完成，后果，但是人们放弃了这样的感觉：如果确实如此，那么后果，但是人们会感觉到，如果确实完全做到了，后果，后果，那么人们就会感觉到，如果确实如此，那就让人感到不可能，这确实是不可能的。 “他还认为，将来，原始的MRI数据可能直接流向azure的AOC，结果将实时返回医院。这意味着可以将扫描时间从30分钟缩短到5分钟，这不仅可以提高效率，而且还可以降低患者。”计算机。从财务到医疗，这两种情况非常明确：AOCIS不再是实验室概念的尝试，而是朝着现实世界的改变的真正举动。新的AI道路：可能性IE在GPU之外，以及研究团队对非财务或医疗领域但人工智能最兴奋的突破。实验室的午餐交流带来了转折。研究人员Jannes Gladrow Awenesso：AOC的“固定点”机制自然适用于需要重复迭代并最终达到平衡状态的平衡模型（例如，深层平衡网络DEQ，Modern Hopfield Network）。深层平衡网络（DEQ，平衡模型）的三个等效物表示，这种类型的模型在GPU中消耗了很多计算能力，而在AOC中，它们几乎是“生于光子”的。因此，Kopo尝试了您在AOC中有一些简单的AI任务。结果很快就出现了：在MNIST和时尚漫画分类的任务中，AOC和Digital Twin（AOC-DT）的结果几乎是99％的对齐；在回归的非线性活性（例如适当的高斯曲线和正弦曲线）中，AOC也可以牢固地性能，并且曲线是ALMOST与模拟结果一致；通过多路复用技术，研究人员还将硬件扩大到4096重量，证明它不仅可以操作“小玩具”，而且还具有提升的潜力。实验AOC导致MNIST和非线性回归的分类（高斯曲线，正弦曲线）。这些实验使您可以在GPU之外看到一条新路径。微软的研究人员认为，这是未来推理的大型语言模型的最出色的 - 州监控，可能足以提供AOC。想象一下，如果复杂的意识过程不再依赖于耗费GPU的GPU，而是在光学计算机上提供的，那么所需的能耗可以减少两个级级订单。在对计算能力消耗的焦虑时期，该行业的结果无疑无视想象力。长途运行和视觉：计算能力的另一个轨道。显然Microsoft R研究团队认为AOC仍然是原型，并且在真正的商业用途之前仍然具有陡峭的坡度。现在可以处理的重量的重量是数百个级别，但是研究人员绘制了扩展的路线图：将来，通过模块化扩展，每个模块可以支撑约400万个重量。可以将十千个模块的十次绘制，重量为100万至20亿。更令人惊讶的是能源效率的比较。该团队估计，成熟版本的AOC预计将达到500 TOP/W（约2FJ/操作），而当前的最新GPU（例如NVIDIA H100）约为4.5 TOP/W。这意味着能源效率差距高达两个数量级。正如项目研究人员Jannes Gladrow所说：“ AOC最重要的特征是，我们估计其能源效率将提高近一百次。它在硬件领域几乎没有发生。”换句话说，将来大型模型推理活动，如果GPU是“老虎油”，则AOC将是“新的能源工具”。它不仅可以运行，而且还可以继续使用过度低能消耗。恒星闪耀：使用光来思考的机器后面，不是一个天才的悲伤之战，而是一群跨学科研究人员的集体智慧。 Microsoft Cambridge Research Instituteta Management的首席研究员Francesca Parmigiani。他带领团队成为一个概念，该概念将半个世纪转移到了学术界，并坚持打开“数字双胞胎”，以便更多的研究人员可以参加实验。他经常说，AOC不是一般的计算机目标，而是一个可以在关键情况下创造新可能性的“光学加速器”。 Jannes Gladrow是Makin Studya的专家。在非正式的午餐交流中，他突然意识到固定的AOC点机制自然与Balance Mod一致El。这种灵感使AOC不再限于优化问题，而是第一次与AI密切相结合。他将模型包装在硬件上，运行了授予字母的结果并运行数字，从而在GPU之外打开了一条路径。医疗应用的火花来自迈克尔·汉森。他在实验中介绍了MRI数据的重建，并认为未来的扫描原始数据可以直接流入AOC，然后实时返回医院。这个跨域的想法创建了真正符合现实世界的光学计算机。在实验室中，Jiaqi Chu经常是忙于开发Prototypes的首席研究员。他负责积累微型LED，镜头和传感器，以使现实生活设备上运行“光学数学”。从左到右的是Jiaqi Chu，Francesca Parmigiani和James Clegg。他的工作证明，这不是只能在纸上存在的幻想机，而是一个新的C可以从准备好的零件拼写的imputer。这些人的交集使光学计算机能够从银行清除到MRI，然后再到AI，从而在计算能力领域中创造了新的可能性。四年前，一个小型团队使用手机摄像头和LED灯来积累独特的机器。现在，它是大自然的，证明它可以遇到财务和医疗问题，也可以为AI开辟新的道路。 Hitesh Ballani负责人说，他们的目标是将来使AOC成为AI基础设施的一部分。这种计算能力可以打开新轨道。参考：https：//news.microsoft.com/source/features/innovation/microsoft-analog-analog-optictical-computer-computer-cracks-two-practical-problems-problems-sh-s-hhows-shhows-i-promise/hows-i-promise/https：// https：//x.com/satyanadella comle //www.nature.com/articles/S41586-025-09430-Z 特别声明：上面的内容（包括照片或视频（如果有））已上传和发布“ netease”自我媒体平台。 注意：上面的内容（包括照片和视频（如果有））已由NetEase Hao用户上传和发布，该用户是一个社交媒体平台，为Lamang提供信息存储服务。