这种“半光半物质”粒子，有望补上AI光计算最后一块拼图

1946 年，宾夕法尼亚大学的 J.Presper Eckert 和 John Mauchly 让 ENIAC 正式亮相。这台机器用电子的流动求解弹道方程，开启了电子计算的时代。

80 年后的 2026 年 4 月，同一所大学的物理学家 Bo Zhen 团队在 Physical Review Letters 发表了一项工作：他们造出一种半光半物质的混合准粒子——激子－极化激元（exciton–polariton），用大约 4 飞焦（fJ，即 4×10⁻¹⁵ 焦耳）的能量完成了光信号的全光开关切换。这个能量比短暂点亮一颗微型LED 还小几个数量级。

从电子到光子，宾大用了 80 年走了一个圈。只不过这一次要解决的不是弹道计算，而是 AI。

图丨相关论文（来源：Physical Review Letters）

AI 的算力需求正在把电网推向极限。IEA 数据显示，2025 年全球数据中心用电量同比增长 17％，预计到 2030 年将翻倍至约 950 太瓦时。根源在电子本身：带电荷，移动就有电阻，电阻就生热，芯片越密集，散热越难。

光子是一个天然的替代选项，它不带电、无静止质量、以光速传输且几乎不发热。光子早已统治了通信，全球互联网的骨干就是光纤；但要让光子从“搬运工”升级为“计算者”，卡在了一个看似简单的问题上：光子之间几乎不互动。

这恰好是光子最大优势的反面。“光子是电中性的，能快速、低损耗地远距离传输信息，”论文共同第一作者、前宾大博士后 Li He（现蒙大拿州立大学助理教授）向媒体解释，“但这种电中性也意味着它们几乎不与环境互动，做不了计算机依赖的信号开关逻辑。”

这个矛盾对光子 AI 芯片来说尤其致命。神经网络运算分两步：线性运算（矩阵乘法）和非线性激活（类似“做判断”）。光子天生擅长前者，用干涉和衍射就能做矩阵乘法，速度极快、能耗极低。曦智科技、Lightmatter 等公司已经把光子矩阵乘法芯片推向商业化。在线性计算这一步，光子已经证明了自己。

但非线性激活需要信号之间互相影响，一个信号要能改变另一个信号的状态。电子天生做得到，因为它带电、彼此排斥，而光子做不到。结果是，许多现有光子 AI 芯片，在完成矩阵乘法后，不得不把光信号转回电信号，交给电子器件完成非线性激活，再转回光信号进入下一层网络。

这种“光－电－光”的反复转换，恰好把光子计算的速度和能效优势吃掉了大半。MIT 此前开发过混合光电的非线性功能单元（NOFU）来缓解这个问题，新加坡国立大学团队 2026 年 3 月也报告了用铌酸锂波导实现全光激活的方案。各路人马都在攻同一道关：让光不变回电子，就能完成“判断”。

宾大团队的思路不同于上述任何一种。他们没有试图让光子直接产生非线性，而是给光子“嫁接”了一个会互动的搭档。

具体做法是，把一层原子级厚度的硒化钼（MoSe₂）半导体薄膜放到一个氮化硅光子晶体纳米腔上。纳米腔的模式体积只有约 0.05 立方微米，比传统 DBR 腔小了几个数量级。

在如此狭小的空间里，光子被强制与 MoSe₂ 中的激子（电子－空穴对的束缚态）发生强耦合，融合成既非纯光也非纯物质的混合准粒子——激子－极化激元。这种粒子继承了光子的速度和激子的互动能力：两个极化激元相遇时，物质成分让它们能“感受到”彼此，产生非线性响应。

（来源：Physical Review Letters）

团队实现了约 4fJ 的全光开关切换能量，比此前 2D 激子-极化激元系统报道的皮焦量级阈值低了几个数量级；泵浦－探测光谱显示，开关动作在几皮秒内完成，受限于激子寿命而非器件本身。团队还通过电学门控（gate tuning）调节 MoSe₂ 的掺杂状态，实现了从强耦合到弱耦合的可控切换。

这项工作和光子计算芯片之间其实是一种互补关系。后者已经在线性矩阵运算上证明了光的优势，但在非线性环节仍然依赖电子器件。宾大团队展示的极化激元全光开关，恰好针对的就是这个缺失环节。

如果极化激元器件未来能集成到光子芯片上，就有可能让整个神经网络推理过程全部在光域完成，不再需要“光－电－光”的反复转换。论文中也提到，该系统有望加速全光神经网络的发展，使计算更完整地留在光域中完成。

但距离这个愿景成为现实，还有几道现实关卡。这次实验在 4K（零下 269℃）低温下进行，商用芯片显然不能依赖液氦冷却。目前的器件只是单个纳米腔的演示，距离大规模阵列集成还需要跨越工程量级。

论文作者也坦承，当前约 4fJ 的开关能量对应腔内约 10 的 4 次方个极化激元，还需要再降两到三个数量级，才能接近量子非线性极限。他们提出了具体改进路径：在材料端，用三离子（trion）或莫尔激子（moiré exciton）替代中性激子，非线性响应可提升一到两个数量级；在光子器件端，采用折射率更高的绝缘体上 InGaP 平台（折射率 3.4，远高于氮化硅的 2.17），可以进一步压缩模式体积、延长极化激元寿命。

光子计算正处于一个微妙的时刻。产业端的投入在加速，但全光非线性这个底层物理问题仍未被工程化地解决，光子芯片在关键的“判断”环节依然要退回电子世界。宾大这项工作提供了一条可能的出路，但从 4K 低温下的单器件，到室温芯片上的大规模集成，中间隔着的不只是工程优化，还有材料科学和光子学的基础性挑战。

参考资料：

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

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

运营/排版：何晨龙

注：封面/首图由 AI 辅助生成