当前，人工智能（AI）训练等复杂任务的规模持续扩大，各行各业对算力提升的需求与日俱增。而传 统电子计算架构受到"冯·诺依曼瓶颈"等问题限制，量子计算目前又处于发展初期。在这样的背景下， 用光而非电来处理数据的光计算技术应运而生，并逐渐崭露头角。 世界经济论坛官网日前在一篇报道中指出，近年来，光计算呈现加速发展趋势。部分技术路线发展迅 猛，正逐步走出实验室，迈向产业化应用，未来有望在智算中心、新材料研发等多领域应用中大放异 彩。 光计算优势显著 光是一种传播极快、信息维度丰富且能耗极低的物理媒介。光计算以光子替代电子作为计算载体，与传 统的电子计算相比，拥有更多优势。首先，光具有波长、相位、振幅、偏振和波导模式等多个物理维 度，天然支持并行计算，因此光子器件特别适用于科学计算、机器学习等高密集型任务。其次，光子运 行几乎不产生热量，能耗优势显著。三是光子器件具备更宽的带宽，在处理宽带模拟信号时性能远超电 子器件。四是光学器件在运算速度方面表现出色，响应迅捷，几乎无延时，显著提升计算时效。 光计算充分利用了光在速度与效率上的天然优势，有望为当前的计算范式带来革命性突破。 不同架构各有千秋 当前，光计算技术领域已涌 ...

在今日举行的第五届RISC-V中国峰会上，上海开放计算研究院揭牌。据介绍，该研究院处于筹备建设 中，将与国内外顶尖科研机构和产业界合作，推动基于RISC-V的计算体系架构演进和高性能高可信的 系统软件设计，对面向 AI的大规模分布式系统、新一代Al硬件并行编程语言编译器，以及系统框架场 景驱动的软件系统的垂直优化等技术，进行重点攻关和产业应用推广。同时，该研究院还将充分利用政 府、产业、科研以及市场应用等要素资源，构建新型的开源开放、科研创新和产业应用体系发展，推动 上海本土和我国开放计算系统的产业生态。（记者 郭辉） ...

Core Insights - A groundbreaking study from the University of Utah's College of Engineering introduces a method to encode partial differential equations (PDEs) into light waves, processed by a novel optical device called the Optical Neural Engine (ONE), marking a significant step from theoretical exploration to practical application in optical computing [1][2]. Group 1: Technology and Methodology - The ONE system combines the advantages of diffractive optical neural networks and optical matrix multipliers, modeling PDEs using optical methods rather than traditional digital representations [1]. - The system utilizes different properties of light waves, such as intensity and phase, to represent various variables in the equations, allowing the light signals to evolve through a series of optical components to yield solutions to specific PDEs [1][2]. Group 2: Applications and Impact - The research tested the ONE system on several classical PDEs, including Darcy's law (for groundwater flow modeling), the static magnetic Poisson equation in demagnetization processes, and the Navier-Stokes equations (widely used in fluid mechanics), demonstrating good adaptability and accuracy [2]. - This research provides a multifunctional, high-efficiency platform for large-scale scientific computing and engineering simulations, with potential significant impacts in fields such as geological modeling, chip design, and climate simulation [2].