這種“半光半物質(zhì)”粒子，有望補上AI光計算最后一塊拼圖

1946 年，賓夕法尼亞大學的 J.Presper Eckert 和 John Mauchly 讓 ENIAC 正式亮相。這臺機器用電子的流動求解彈道方程，開啟了電子計算的時代。

80 年后的 2026 年 4 月，同一所大學的物理學家 Bo Zhen 團隊在 Physical Review Letters 發(fā)表了一項工作：他們造出一種半光半物質(zhì)的混合準粒子——激子－極化激元（exciton–polariton），用大約 4 飛焦（fJ，即 4×10?1? 焦耳）的能量完成了光信號的全光開關(guān)切換。這個能量比短暫點亮一顆微型LED 還小幾個數(shù)量級。

從電子到光子，賓大用了 80 年走了一個圈。只不過這一次要解決的不是彈道計算，而是 AI。

圖丨相關(guān)論文（來源：Physical Review Letters）

AI 的算力需求正在把電網(wǎng)推向極限。IEA 數(shù)據(jù)顯示，2025 年全球數(shù)據(jù)中心用電量同比增長 17％，預計到 2030 年將翻倍至約 950 太瓦時。根源在電子本身：帶電荷，移動就有電阻，電阻就生熱，芯片越密集，散熱越難。

光子是一個天然的替代選項，它不帶電、無靜止質(zhì)量、以光速傳輸且?guī)缀醪话l(fā)熱。光子早已統(tǒng)治了通信，全球互聯(lián)網(wǎng)的骨干就是光纖；但要讓光子從“搬運工”升級為“計算者”，卡在了一個看似簡單的問題上：光子之間幾乎不互動。

這恰好是光子最大優(yōu)勢的反面。“光子是電中性的，能快速、低損耗地遠距離傳輸信息，”論文共同第一作者、前賓大博士后 Li He（現(xiàn)蒙大拿州立大學助理教授）向媒體解釋，“但這種電中性也意味著它們幾乎不與環(huán)境互動，做不了計算機依賴的信號開關(guān)邏輯。”

這個矛盾對光子 AI 芯片來說尤其致命。神經(jīng)網(wǎng)絡運算分兩步：線性運算（矩陣乘法）和非線性激活（類似“做判斷”）。光子天生擅長前者，用干涉和衍射就能做矩陣乘法，速度極快、能耗極低。曦智科技、Lightmatter 等公司已經(jīng)把光子矩陣乘法芯片推向商業(yè)化。在線性計算這一步，光子已經(jīng)證明了自己。

但非線性激活需要信號之間互相影響，一個信號要能改變另一個信號的狀態(tài)。電子天生做得到，因為它帶電、彼此排斥，而光子做不到。結(jié)果是，許多現(xiàn)有光子 AI 芯片，在完成矩陣乘法后，不得不把光信號轉(zhuǎn)回電信號，交給電子器件完成非線性激活，再轉(zhuǎn)回光信號進入下一層網(wǎng)絡。

這種“光－電－光”的反復轉(zhuǎn)換，恰好把光子計算的速度和能效優(yōu)勢吃掉了大半。MIT 此前開發(fā)過混合光電的非線性功能單元（NOFU）來緩解這個問題，新加坡國立大學團隊 2026 年 3 月也報告了用鈮酸鋰波導實現(xiàn)全光激活的方案。各路人馬都在攻同一道關(guān)：讓光不變回電子，就能完成“判斷”。

賓大團隊的思路不同于上述任何一種。他們沒有試圖讓光子直接產(chǎn)生非線性，而是給光子“嫁接”了一個會互動的搭檔。

具體做法是，把一層原子級厚度的硒化鉬（MoSe?）半導體薄膜放到一個氮化硅光子晶體納米腔上。納米腔的模式體積只有約 0.05 立方微米，比傳統(tǒng) DBR 腔小了幾個數(shù)量級。

在如此狹小的空間里，光子被強制與 MoSe? 中的激子（電子－空穴對的束縛態(tài)）發(fā)生強耦合，融合成既非純光也非純物質(zhì)的混合準粒子——激子－極化激元。這種粒子繼承了光子的速度和激子的互動能力：兩個極化激元相遇時，物質(zhì)成分讓它們能“感受到”彼此，產(chǎn)生非線性響應。

（來源：Physical Review Letters）

團隊實現(xiàn)了約 4fJ 的全光開關(guān)切換能量，比此前 2D 激子-極化激元系統(tǒng)報道的皮焦量級閾值低了幾個數(shù)量級；泵浦－探測光譜顯示，開關(guān)動作在幾皮秒內(nèi)完成，受限于激子壽命而非器件本身。團隊還通過電學門控（gate tuning）調(diào)節(jié) MoSe? 的摻雜狀態(tài)，實現(xiàn)了從強耦合到弱耦合的可控切換。

這項工作和光子計算芯片之間其實是一種互補關(guān)系。后者已經(jīng)在線性矩陣運算上證明了光的優(yōu)勢，但在非線性環(huán)節(jié)仍然依賴電子器件。賓大團隊展示的極化激元全光開關(guān)，恰好針對的就是這個缺失環(huán)節(jié)。

如果極化激元器件未來能集成到光子芯片上，就有可能讓整個神經(jīng)網(wǎng)絡推理過程全部在光域完成，不再需要“光－電－光”的反復轉(zhuǎn)換。論文中也提到，該系統(tǒng)有望加速全光神經(jīng)網(wǎng)絡的發(fā)展，使計算更完整地留在光域中完成。

但距離這個愿景成為現(xiàn)實，還有幾道現(xiàn)實關(guān)卡。這次實驗在 4K（零下 269℃）低溫下進行，商用芯片顯然不能依賴液氦冷卻。目前的器件只是單個納米腔的演示，距離大規(guī)模陣列集成還需要跨越工程量級。

論文作者也坦承，當前約 4fJ 的開關(guān)能量對應腔內(nèi)約 10 的 4 次方個極化激元，還需要再降兩到三個數(shù)量級，才能接近量子非線性極限。他們提出了具體改進路徑：在材料端，用三離子（trion）或莫爾激子（moiré exciton）替代中性激子，非線性響應可提升一到兩個數(shù)量級；在光子器件端，采用折射率更高的絕緣體上 InGaP 平臺（折射率 3.4，遠高于氮化硅的 2.17），可以進一步壓縮模式體積、延長極化激元壽命。

光子計算正處于一個微妙的時刻。產(chǎn)業(yè)端的投入在加速，但全光非線性這個底層物理問題仍未被工程化地解決，光子芯片在關(guān)鍵的“判斷”環(huán)節(jié)依然要退回電子世界。賓大這項工作提供了一條可能的出路，但從 4K 低溫下的單器件，到室溫芯片上的大規(guī)模集成，中間隔著的不只是工程優(yōu)化，還有材料科學和光子學的基礎性挑戰(zhàn)。

參考資料：

1.https://journals.aps.org/prl/abstract/10.1103/gc15-qsvf#fulltext

2.https://penntoday.upenn.edu/news/making-light-work-computing

運營/排版：何晨龍

注：封面/首圖由 AI 輔助生成