摘要：几十年来，在减少电动机和智能手机电路的大小和性能方面一直几乎不变。但是，摩尔定律以物理限制的结尾 - 例如，可以适合芯片的晶体管数量以及越来越密集地包装它们产生的热量 - 正在降低性能速度。即使人工智能，机器学习和其他数据密集型应用程序都需要更大的计算能力，计算能力也逐渐达到平稳。...

几十年来，在减少电动机和智能手机电路的大小和性能方面一直几乎不变。但是，摩尔定律以物理限制的结尾 - 例如，可以适合芯片的晶体管数量以及越来越密集地包装它们产生的热量 - 正在降低性能速度。即使人工智能，机器学习和其他数据密集型应用程序都需要更大的计算能力，计算能力也逐渐达到平稳。

需要新技术来应对这一挑战。潜在的解决方案来自光子学，该光子学比电子产品提供了较低的能源消耗和延迟的延迟。

最有希望的方法之一是内存计算，它需要使用光子记忆。通过这些记忆传递光信号使得几乎可以立即执行操作。但是，提出的用于创造此类记忆的解决方案面临着诸如较低的开关速度和有限的可编程性等挑战。

现在，一个国际研究人员团队已经开发了一个开创性的光子平台来克服这些限制。他们的发现发表在期刊上自然光子学。

与UC Santa Barbara电气和计算机工程学教授（ECE）John Bowers和ECE副教授Galan Moody，项目科学家Paolo Pintus，Cagliari大学的助理教授Paolo Pintus与匹兹堡大学Nathan Youngblood，Socience Yuya Shoji和Mario Shoji和Mario Shoji和Mario phort phorth Herio phort phorth Heriio phort phorn phorthiari助理教授与该项目协调了该项目在鲍尔斯实验室。

研究人员使用了磁光材料，岩体取代的YTTrium铁石榴石（YIG），该光学特性会动态地改变对外部磁场的响应。通过使用微小的磁铁来存储数据并控制材料中的光的传播，他们开创了一类新的磁光记忆。该创新平台利用光线以明显更高的速度进行计算，并且效率要比使用传统电子产品所能实现的效率要高得多。

这种新型内存的切换速度比最先进的光子集成技术快100倍。他们消耗了大约十分之一的功率，可以多次重新编程以执行不同的任务。尽管当前最新的光学记忆的寿命有限，并且可以写得多达1000次，但该团队表明，磁光记忆可以重写超过23亿次，等于潜在的无限寿命。

Pintus说：“这些独特的磁光材料使使用外部磁场可以控制光线传播。” “在这个项目中，我们使用电流来编程微型磁铁和存储数据。磁铁控制CE：YIG材料中光的传播，使我们能够执行复杂的操作，例如矩阵矢量乘法，这是任何神经网络的核心。”

作者认为，这些发现可以标志着光学计算中革命的开始，在不久的将来为实际应用铺平了道路。