行业观察

Banner本文由论文作者团队撰稿导读光学神经网络（ONN）为低延迟、高能效人工智能（AI）计算提供了有效途径。然而，其扩展至主流AI模型参数规模面临两大关键瓶颈：大规模ONN的训练计算成本极高，且数百万光学元件的实现与调控对制造缺陷和对准误差高度敏感。近日，香港中文大学电子工程系黄超然教授团队提出了基于光学超表面的光学学习机（MOLM），成功突破了上述障碍。该系统通过集成4千万个光学参数的光学超