加州大学洛杉矶分校(UCLA)研究人员开发出新型光学计算框架，利用线性材料实现大规模非线性计算。该研究发表于eLight，展示了衍射光学处理器在计算非线性函数方面的潜力。这种由纯相位层组成的薄型被动材料结构，能以极高并行性和空间密度快速执行计算，其极限接近光的衍射极限。

现代信息处理任务，如机器学习和模式识别，均依赖非线性运算。然而，光学方式实现此类运算面临挑战，因多数非线性光学效应较弱、耗能或速度较慢。UCLA研究团队创新性地利用线性光学材料，通过编码非线性函数输入变量至光波前相位，再经由优化静态衍射光学架构处理，成功实现通用非线性函数逼近。每个衍射极限输出像素对应独特非线性函数，紧凑被动光学系统内实现极高并行性。

研究通讯作者艾多根·奥兹坎教授指出：“信息以结构化方式编码在光相空间时，非线性计算可从线性光学相互作用中涌现。”团队通过理论和实验证明，衍射处理器可作为通用非线性函数逼近器，处理多元及复值函数，并实现光学级联。成功逼近数字神经网络中常用非线性激活函数，如sigmoid、tanh、ReLU和softplus函数。数值模拟显示，优化静态衍射光学处理器输出平面上，能以波长尺度空间密度精确并行计算百万个不同非线性函数。实验验证中，紧凑型光学装置成功同时学习并执行数十个不同非线性函数。

该研究框架可扩展至更大系统，利用高端图像传感器并行计算数亿个非线性函数。这一能力有望推动超高速模拟计算、神经形态光子学及高通量光信号处理发展，且无需非线性光学材料或电子后处理。

更多信息： Md Sadman Sakib Rahman 等人，《利用衍射处理器对非线性函数进行大规模并行通用逼近》，eLi​​ght (2025)。期刊信息： eLight