HE693RTM705美国GE

2016年，沈亦晨还在MIT做博士后，他所在的研究团队打造了***光学计算系统。该成果于2017年以封面文章的形式发表在***期刊NaturePhotonics杂志上，其基于硬件和算法有着双重创新：在硬件上，光干涉仪作为基本的矩阵运算单元有效取代了传统电子晶体管；在算法上，团队开发了一系列在不牺牲性能条件下有效降低深度学习计算量、并适应于光子芯片的算法。

当时，国际***光学科学家、斯坦福大学终身正***D***idMiller,曾专门在Nature杂志上撰文评价沈亦晨团队的光学AI芯片的研究成果，称“这一系列的研究成果极大***动了集成光学在未来取代传统电子计算芯片的发展。”

那篇***可以说在***范围内启发更多人投入到光子AI芯片的开发中，带来这一成果的MIT团队已经诞生出Lightelligence和LightMatter两家公司。

现在，Lightelligence团队正在全力研发光子芯片的相关技术，包含芯片设计、核心算法、传输、周边等，欲打造一个完整的光学计算生态。***包括Lightelligence在内也已经有5——6个团队正在进行相关的研发及商业化，其中还不乏中国团队。尽管各家公司的目标都不尽相同，从已经公布的产品进度来看，作为******光子AI芯片的公司，Lightelligence仍将是***值得关注的公司之一。

以Lightelligence此次发布的芯片原型为例，和2017年的***光学计算系统相比，其***大的改进就体现在计算效率的提升、软件环境和集成程度的成熟上。Lightelligence团队本身拥有一系列***自主知识产权，包括光学器件设计、光学系统集成和深度学习算法的核心技术，在设计这款芯片的过程中，团队在这几个方面的技术储备得到了验证。

在开发的过程中，提升运算速度和改善尺寸的工作是交叉进行的。据沈亦晨介绍，原来实验室版本的机器集成度比较低，它的控制单元没有集成在板卡上。现在这款芯片原型的集成度大大提高，随着集成程度的提高，运算速度也大大提升。而且开发上的主要任务不只是集成度方面的工作，还包括高速信号的控制。对于光子计算机来说，其中比较重要也比较难的一点就是，当信号传输速度很快的时候，如何让信号达到比较***的强度。***终，团队用了近一年半的时间打造出了这款尺寸与指甲盖差不多、封装了光纤的芯片原型。这在光学计算领域也是***的。