可光速解决问题的计算机要来了？

对位于英国剑桥微软研究实验室的跨学科研究团队而言，他们的任务就是要研制出在迅速解决问题的同时，能够超越二进制系统不足的新型电脑。但要成功研制出可以光速解决实际问题的电脑，愿意去思考诸如“我们正在设计的工具的本质是什么？”以及“我用锤子敲的是什么钉子呢？”之类的大问题，就十分关键。

起初，他们研制出了首台八变量光学计算器。该电脑使用不同强度的光源在同一存储信息的地方进行计算。研究人员把这一他们设计的设备称作AIM，也就是模拟迭代机。

“通常情况下，如果你取得了一些技术进步，尤其是最开始，那在实践中如何使用，相对是没有那么清楚的，”该项目的三名主要研究人员之一Christos Gkantsidis说道。他回忆他们最初是怎样希望利用AIM这一工具来加快机器学习的。“需要去研究弄明白哪一种实践问题才是更符合他们的。”

大约三年前，他们尝试使用AIM来处理一个特别烦人但又相当重要的数学问题——最优化。他们很快意识到，在解决这些最优化问题方面，这一新设备有着巨大潜力来超越传统电脑所用的二进制系统的速度和容量。

Gkantsidis指出，“通俗来讲，正如我们所知，最优化是这个世界运行的规则。”最优化问题构成了当今社会很多最为重要行业的基础——其中就有：银行金融，健康医疗，物流和制造。

这一全新电脑的能力促成了与英国巴克莱银行的一年期研究协议，以研究使用它来解决实际问题的潜能——大批量的交易是如何在大多数银行所采用的清算中心妥善处理的。交易的数字每天成千上百万。跟大部分最优化问题类似，正是其巨大规模使得二进制电脑无法很好地处理它。

巴克莱银行首席技术办公室的负责人和卓越的工程师Lee Braine说到，“实际上，要花费无穷的时间才能评估所有可能的选项。”他说当前来讲，已经采用了诸多的计算和数学捷径，来系统估算处理成千上百万批次交易的最高效方式。

模拟迭代机团队已经运作了一个他们称作的“玩具版本”的交易结算问题，该问题由Braine提出，而这台光学计算机每次都以百分之百的准确率解决了这个问题。而此前使用另一项不同技术解决同个问题的研究尝试，只有一半次数尝试时获得了同样的分值。

能够参与到有潜力带来创新变革的事物中，非常让人兴奋。

Braine本人就曾经是一个对最优化进行过大量研究的计算机科学家。现在他和微软团队都已经开始使用更多的数据和变量设计一个更大规模的问题版本。他们希望今年夏天晚些时候在一个AIM的更新版本上测试一下这台计算机。Braine说和微软的AIM团队合作是一个难得的机会。他提到，“能够参与到有潜力带来创新变革的事物中，非常让人兴奋。这样也能够在所有可能的领域里立于潮头。”

1965年，工程师Gordon Moore(同时也是Intel的创始人之一)预测，在一条集成电路上的晶体管数量每年都将翻倍。后来他又修正了自己的预测，改为每隔两年。最近几十年来，计算机的容量基本上就是以这种速度提升的，运行速度更快，体积更小，而价格却没有更昂贵。但到了近十年，这一趋势似乎停滞。同时，对计算机容量和速度的需求也仅仅是增加了而已。

“问题是，一旦你超过拐点，就很难维持之前的那种增长，”微软研究光学计算机的其他研究人员之一Hitesh Ballani说，并且解释了开发光学等替代技术背后的紧迫性。“因为我们已经在研究光存储和网络连接，所以逐渐地想过渡到光学计算，尽管这是最棘手的问题。”

位于剑桥的实验室已经在光学存储方面取得了一些成就。该团队研发了一套可以存储海量嵌入在镜片中的数据的系统。

Ballani在实验室的一间会议室内振奋不已，口若悬河。他解释了光学计算的基础，并阐明了为什么团队要引入一位数学专家来帮助研发新型算法以解决最优化问题。他拿着一只红色马克笔遮着白板，还有两套写满了笔记、等式和图表的玻璃白板来阐释他的观点。

“这不是一台多功能的计算机，”他提到。“但它对在数学运算、线性代数和非线性代数是关键的操作瓶颈的应用提升方面，十分有益。”

五十多年来，光已经被用于光纤电缆传播数据。光子互相之间并无交互，但是通过某种中介传播，比如你智能手机上的摄像头，他们就可在某种意义上被人们看到。

就模拟迭代机而言，光的不同强度可以进行加法和乘法运算，这就是最优化问题的基础。Ballani提到，要以光速运行，AIM的高级版本就必须超过二进制计算机速度的大约一百倍才行。此外，在AIM中计算和存储发生在同一场所，这不同于二进制计算机，因为后者需要一个场所存储另一场所计算方能运作。

谈到AIM可以解决的问题类型的具体例子时，他引用了与微软健康研究人员的一次交流，具体内容是关于如何减少进行磁共振成像扫描所需的时间，同时又保持同样的精度。（通常，根据扫描区域的大小，检查需要15到90分钟不等的时间。）有些缩短检查时间的技术已经投入使用但会影响精度。运行目前看来还比较费时间的最优化方程从理论上看，还是会带来更高的精确性和速度的。Ballani说，“如果我们能十分迅速地处理好最优化问题，有可能不到一分钟就能够完成核磁共振检查。”

AIM项目的第三位主要研究员Francesca Parmigiani的博士研究就是光学通信。目前她正在引领研制光学计算机。她和她的小团队目前正在研发一个可以在48个变量下运行的升级版本，极大扩展了光学计算机能解决的问题的复杂程度。最终他们是希望能造出一台处理成千上万变量的AIM版本。

该AIM团队目前正在使用现有且具备制造系统的组件——从光纤电缆到调制器到微型LED灯——来创造并在升级AIM。目前情况，这台计算机建造在一个大约是一个餐桌大小的金属长凳上，从调制解调器出来的线路缠绕联结研究员有时叫“投影仪”的设备上，就好像是一台多媒体投影仪来存储和计算数据。

Parmigiani说，“要研制这台计算机，我就得学习很多东西。我对最优化还没有什么头绪。”

建造AIM的过程和模拟问题的最初形态让Parmigiani和光学和模拟团队进行了大量的相互交流和理解妥协。该团队负责硬件研发，Ballani, Gkantsidis 和数学专家Kirill Kalinin负责在这其中运行的算法和软件。研究人员说，他们开发的数学和算法创新在解决优化问题方面与机器本身一样至关重要。AIM正在采用的算法最初形态叫QUMO，也就是二次无约束混合最优化的简写，而它在光学计算机中的运用才是让AIM在全世界独一无二的所在。

“因为我们知晓什么是行之有效，什么又是行不通的，所以我们一直在向前，故事也一直在改变，”Parmigiani说到。“我们意识到，我们真的需要再加把劲，搞清楚如何一起研制适配算法的硬件。”

AIM团队正转向用行专家和高校科研人员提出的问题测试该设备和QUMO算法。他们正用一个AIM模拟器开设服务，这个模拟装置可以用图形处理器（GPU）来解决大型最优化问题。该团队希望能有更多测试案例帮助他们了解他们创建的工具的潜力。

当然巴克莱银行的Lee Braine提出的交易清算问题依旧是首要问题。

这个问题主要是因为交易量大导致很棘手。Braine说这些交易通常是被描述成货银对付。证券现金兑付的一个简单例子就是公司的一百股代表一千美金。但问题主要是，每笔交易和每个参数都取决于不同的约束，包括规则和可用账户余额。

在临界点反复研究，以微小的方式不断突破极限并对此做出贡献，相当令人兴奋。

这些交易的数量非常让人震惊。他只引用了一个清算中心的例子，DTCC，其子公司2022年处理的业务额价值2.5✖1015美金。（一个quadrillion等于1000个万亿。）

因为多数大银行采用的都是清算中心，本研究也有望能让整个银行系统受益。为期一年的实验结果将在一份研究报告中进行分享。

Braine说这是一个很好的测试案例，如果真的奏效，它就可以为使用光学计算处理比如欺诈检测等银行业内的其他问题奠定基础。

他提到这个项目很好地满足了他内在的好奇心。“某种程度上，好像回到了做博士论文那段学术时光，你总是在寻找最尖端的东西。”他补充道，“在临界点反复研究，以微小的方式不断突破极限并对此做出贡献，相当令人兴奋。”

作为微软卓越工程师和团队带头人的Ant Rowstron说，看到自己的跨学科团队通力合作研发新型计算机工具，克服各种困难并寻找使用该工具的潜在方向，感觉十分值得。

他提到，“我工作的职责之一就是努力去理解我们何时要去研究新事物，有风险时支持帮助那些遇到风险的人们。我们坚信，如果我们研制出来了，我们就会进一步研究如何让它继续优化改善。而现在我们有了一个很重要的问题空间，这里有迫切的需求，而我们的计算机又能真正发挥作用”。

关注微软科技视频号

了解更多科技前沿资讯