多年来，驱动计算机和智能手机的电路在微型化和性能提升方面持续取得进展。然而，被称为摩尔定律的趋势因物理限制而接近其极限——如可以集成到芯片上的最大晶体管数量以及由于日益密集的排列产生的热量——这些限制阻碍了性能提升的速度。因此，尽管人工智能、机器学习和其他数据密集型应用等领域在推动更强计算能力，计算能力正达到一个平台期。
为了解决这个问题，创新技术至关重要。一种潜在途径是光子学，相比传统电子学，它可以提供更高的能效和更低的延迟。
其中一种最令人兴奋的方法涉及内存计算，它依赖于光子存储器。通过在这些存储器中传输光信号，几乎可以瞬间执行操作。然而，早期开发这些存储器的提议遇到了如切换速度慢和可编程性受限等障碍。
现在，一个合作研究团队创造了一个开创性的光子平台来应对这些挑战，他们的研究结果发表在期刊《自然光子学》上。
在加州大学圣巴巴拉分校的电气和计算机工程教授约翰·鲍尔斯和副教授加兰·穆迪的协作下，项目科学家保罗·平图斯（意大利卡利亚里大学助理教授）与来自匹兹堡大学的内森·扬布鲁德、东京科学研究所的庄司优也，以及在鲍尔斯实验室完成博士学位的马里奥·迪蒙特合作开展了这一项目。
团队利用了一种被称为铈掺镱铁榴石（YIG）的磁光材料，这种材料的光学特性在外部磁场下动态变化。通过整合微小的磁铁来保存数据并调控光在材料内的传播，他们引入了一种新类别的磁光存储器。该先进平台使用光以显著更快的速度和更高的效率执行计算，远超传统电子技术的能力。
这种新型存储器的切换速度比当前领先的光子集成技术快100倍。它们消耗的能量大约是传统技术的十分之一，并且可以多次重新编程用于不同的任务。尽管现有的最先进光学存储器在使用寿命上受到限制，仅允许约1,000次写入周期，但团队证明磁光存储器可以被重写超过23亿次，暗示其几乎无限的使用寿命。
“这些独特的磁光材料能够使用外部磁场操控光的传播，”平图斯解释道。“在我们的项目中，我们利用电流编程微小磁铁进行数据存储。这些磁铁控制着光在Ce:YIG材料内部的传播，促进诸如矩阵-向量乘法等复杂任务，而这在任何神经网络中都是基础。”
作者们乐观地认为，这些发现可能开启光计算的变革阶段，为不久的现实应用奠定基础。
