1.1. 光计算是一种利用光波作为信息处理载体的技术，具有大带宽、低延时、低功耗等优点，能够提供一种“传输即计算，结构即功能”的计算架构

1.2. 光芯片作为光计算的硬件基础，已成为全球经济体重点关注的技术领域

1.3. 光芯片通过集成多个光学元件（如光源、光调制器、光探测器等）在单一芯片上完成计算任务，推动高效、低功耗和高速计算的发

1.4. 光芯片的开发正朝着小型化、集成化、光电混合架构等方向拓展

1.5. 研发出新型微波光子芯片，可作超高速信号处理

1.5.1. 以铌酸锂为平台，开发出处理速度更快、能耗更低的微波光子芯片，可运用光学技术进行超快模拟电子信号处理及运算

1.5.2. 比传统电子处理器的速度快1000倍，耗能更低，应用范围广泛，涵盖5G/6G无线通信系统、高解析度雷达系统、人工智能、计算机视觉及图像和视频处理

1.6. 西班牙瓦伦西亚理工大学开发出首款通用、可编程、多功能光子芯片

1.6.1. 该芯片允许通信网络的无线和光子部分进行按需编程和互连，解决了容量和带宽的瓶颈问题，有望为人工智能计算系统的数据中心和网络中的数据流管理提供有效解决方案，目前已被沃达丰用于测试

1.6.2. 未来的目标是通过扩展芯片来满足市场需求，使其广泛应用于电信领域、数据中心及人工智能计算系统等领域

1.7. 开发出一种新型、低成本、高效率的光子集成电路

1.7.1. 名为“万能离子刀”的异质集成技术，通过离子注入和晶圆键合方法制备出高品质的硅基钽酸锂单晶薄膜异质晶圆，并开发了一种超低损耗钽酸锂光子器件的微纳加工技术，成功制造出钽酸锂光子芯片

1.7.2. 钽酸锂光子集成电路展现了较低的双折射性（折射率对光偏振和传播方向的依赖性），允许实现更高密度的电路布局，并确保可以在所有电信频段中工作

1.8. 康奈尔大学开发出可结合电子与光子功能的双面芯片

1.8.1. 氮化镓（GaN）材料沿晶轴具有较大的电子极化（Electronic Polarization）特性，使其每个表面的物理和化学性质截然不同，镓（阳离子）一侧可用于发光二极管（LED）和激光器等光子器件，而氮（阴离子）一侧可以承载晶体管等电子器件

1.9. 创建一条名为PIXEurope的光子芯片试点生产线

1.9.1. 旨在提供尖端技术平台，转变和转移创新且具有颠覆性的集成光子工艺与技术，加速该技术在工业领域的应用

1.10. 麻省理工学院研发出新型全集成光芯片，可执行深度神经网络关键计算

1.10.1. 该光子芯片是一种完全集成的光子处理器，可以在芯片上以光学方式执行深度神经网络中所有类型的关键计算

1.10.2. 该芯片可以在不到半纳秒的时间内执行关键计算，同时实现超过92%的准确率，性能与传统硬件相当

1.10.3. 该芯片解决了以往光子硬件无法执行某些类型神经网络计算的难题，而此前这些类型的神经网络计算需要使用片外电子设备或其他会影响速度和效率的技术辅助完成

2.1. 算力（Computing Power）是数字化技术持续发展的重要动力，支撑起大数据、人工智能、物联网等新兴领域的向前演进

2.2. 传统计算机的运算能力已接近物理极限，先进计算作为多领域多技术融合的载体，已成为推动算力持续高速增长的主要推动力

2.3. 随着先进计算技术的不断发展，计算的效能与能效将迎来全新的突破，算力体系将得到颠覆性的变革

3.1. 超级计算机是经典计算机中功能最强、运算速度最快、存储容量最大的一类计算机，具有运算速度极快、可实现高效并行计算和大容量存储等特点，多用于国家高科技领域和尖端技术研究，是国家科技发展水平和综合国力的重要标志

3.2. 楷登电子公司推出芯片设计超级计算机，以加快芯片和软件的开发速度

3.2.1. 推出芯片设计超级计算机Palladium Z3和Protium X3，以加快芯片和软件的开发速度

3.2.2. 这两款芯片设计超级计算机可以创新虚拟版本的芯片，以便在物理芯片还没有出厂的同时开始编写适配的软件，这将大大缩短芯片及其软件的迭代周期

3.3. GigaIO与SourceCode公司拟联合发布便携AI超算Gryf

3.3.1. Gryf内置四块图形处理器（GPU）、246太字节存储空间及2500瓦的集成电源，可满足人工智能项目对数据采集和处理的高性能需求

3.3.2. Gryf可定制硬件配置，用户可根据不同的工作负载更换内部模块

3.4. 推出新型生物防御专用超级计算机

3.4.1. 将为各种防御活动提供大规模仿真和基于人工智能的建模能力，用于生物监视、威胁表征、先进材料开发和加速医疗对策

3.5. 英伟达公司以太网平台将加速xAI公司构建全球最大的AI超级计算机

3.5.1. xAI位于田纳西州孟菲斯市的Colossus超级计算机集群达到了10万颗NVIDIA® Hopper GPU的巨大规模

3.5.2. 使用了NVIDIA Spectrum-X™以太网平台，该平台是专为多租户、超大规模的AI工厂提供卓越性能而设计的RDMA（Remote Direct Memory Access）网络

3.5.3. Colossus是世界上最大的AI超级计算机，目前正被用于训练xAI的Grok系列大语言模型及作为X Premium用户功能之一的聊天机器人（Chatbot）

3.6. “天河”新一代超算在世界图计算领域居世界第一

3.6.1. 在最新公布的国际Graph500榜单中，以每瓦特6320.24百万万次操作的性能位居大数据图能效图（Big Data Green Graph500）榜首

3.7. 劳伦斯·利弗莫尔国家实验室的El Capitan超级计算机成为世界上最快的超级计算机

3.7.1. 该超级计算机拥有11136个节点，配备了44544个AMD的MI300A加速处理器、5.4拍字节的主内存及性能卓越的Rabbit近节点存储子系统，每秒可进行1.742百亿亿次浮点运算，峰值处理速度达到每秒2.7百亿亿次浮点运算，比该实验室的旗舰系统Sierra高出20倍

3.7.2. 利用El Capitan对核储备的老化影响、安全性和可靠性进行仿真

3.7.3. El Capitan是NNSA拥有的第一台百亿亿次级计算机，借助它可帮助NNSA进入预测、仿真和分析的新领域

3.8. 意大利能源公司埃尼启动其全球第五的超级计算机，可提升工业运营效率

3.8.1. HPC6，以提升工业运营效率

3.8.2. HPC6坐落于意大利米兰附近，配备了近14000块AMD GPU并由一座1兆瓦的光伏电站供电，总投资超过1亿欧元，基准性能可达每秒477千万亿次浮点运算

4.1. 海量信息时代，冯·诺依曼架构计算机在某些特殊应用场景中的局限性逐步凸显，类脑计算、概率计算、光计算、神经形态等基于新原理、新架构、新方法和新技术的计算方式不断涌现，以满足人工智能、数据中心等应用对高负载、低能耗计算的需求，成为未来智能计算的突破口

4.2. 纽约城市学院开发出钻石存储技术，可服务于光计算

4.2.1. 在低温条件下精确定位钻石内部碳原子晶格中的缺陷，使用窄激光束单独激发使其展示不同的谐振，从而解决了衍射效应的限制问题，实现在钻石内部存储信息

4.2.2. 可以在每个缺陷中存储多条信息，并且可以根据需要擦除和重写数据

4.3. 加利福尼亚大学河滨分校研发出新型计算框架，可大幅提升能效

4.3.1. 研发出新型计算同步异构多线程框架（SHMT），可大幅提升能效

4.3.2. 该框架解决了传统框架只能将代码委托给单一处理器计算的问题，可以将计算分解到不同处理器之间并行处理，可大幅提高计算速度和降低能耗

4.3.3. 该研究可应用于移动设备等领域

4.4. 开发出基于分布式反馈的光纤计算技术

4.4.1. 旨在提高处理速度、降低能耗，并在数据处理、电信和人工智能等领域实现新的应用

4.4.2. 展示了如何利用光学器件进行有价值的计算任务，通过分布式反馈和随机投影等技术实现了多个神经元的可扩展性和高速性能

4.4.3. 在光域中使用随机权重进行计算任务是有效的，为机器学习算法的应用提供了新的可能性

4.4.4. 展示了光纤平台执行卷积的能力，对于图像处理等任务具有重要意义

4.4.5. 为实现更快、更高效的数据处理、电信和人工智能计算技术迈出了一步，拓展了光学计算的领域

4.5. 俄亥俄大学数字孪生模型加强计算技术

4.5.1. 利用机器学习工具创建数字孪生体来控制混沌系统，可以帮助系统更高效地运行

4.5.2. 传统的线性控制器难以应对复杂行为，而基于机器学习的控制器虽然效率高，但实现难度大且成本昂贵

4.5.3. 数字孪生体结构紧凑，能在廉价计算机芯片上运行，通过水库计算方法（Reservoir Computing）训练，能够快速适应动态系统的变化

4.5.4. 在控制任务中表现出比线性方法更高的准确性和更低的计算复杂性，同时具有更高的能效

4.6. 奥地利因斯布鲁克大学将量子计算机集成到超级计算机集群中

4.6.1. 量子计算机具有快速解决复杂计算问题的潜力，研究人员希望将其用于加速科学研究

4.6.2. 通过量子计算机的标准化接口成功将LEO5高性能计算集群与IBEX Q1量子计算机连接起来，并向项目合作伙伴提供了访问服务

4.6.3. 通过混合量子计算的方式，研究人员既能获得优异的经典计算能力，又能在某些特定问题的计算上获得加速

4.6.4. 相关工作为未来在异构基础设施中研究和开发量子解决方案奠定了基础

4.7. 劳伦斯伯克利国家实验室开发出新的节能计算技术

4.7.1. 研究新型晶体管材料，利用负电容现象来提高内存和逻辑器件的效率

4.7.2. 负电容是一种材料特性，在低电压下能够存储更多电荷，进而开发出更节能的微电子设备

4.7.3. 突破可能会加速微电子设备的发展，为人工智能、物联网等领域提供更高效、更环保的技术解决方案

4.8. 华中科技大学武汉光电国家研究中心研发出大规模光学PLA，在光学计算领域实现突破性进展

4.8.1. 标志着该复杂模型首次在无需电子元件进行非线性计算的条件下运行

4.8.2. 光学PLA能够实现解码器、比较器、加法器和乘法器等高级逻辑功能，展现了其多功能性及在数字计算领域的广泛应用潜力

4.9. 北京大学研发出新型可重构神经形态计算平台

4.9.1. 该平台是一个基于氧化铌（NbOx）忆阻器的多光电晶体管单忆阻器阵列，可以跨不同编码格式感知和处理光学图像

4.9.2. 可与由单晶体管单忆阻器构成的非易失性存储器阵列分类网络耦合，从而支持多种光学神经网络和仿生算法执行各种视觉任务，如识别静态、运动和彩色图像

4.9.3. 该平台降低了网络复杂性和时间延迟并提高了能源效率，为构建大规模节能低延迟的神经形态视觉系统奠定了关键基础