研究前沿：可编程超表面-光子神经网络PNN | Nature Reviews Physics

本文探讨了可编程超表面技术在光子神经网络（PNN）中的应用及其潜力。光子神经网络因其高并行性和低功耗等优点，有望在能量效率、延迟和高通量方面超越传统数字神经网络。然而，实现可扩展的光子人工智能解决方案仍面临挑战。文章指出，可编程超表面技术可能成为实现可扩展光子AI加速器的关键硬件要素，并讨论了其与当前数字电子技术的竞争。可编程超表面支持原位训练和适应，通过协同集成电子、3D堆叠和大规模制造技术，可显著提高PNN的可扩展性和功能。此外，文章还展望了可编程超表面与电子芯片的三维集成方案，未来可能催生“场可编程超表面阵列”，为AI加速器提供新路径，并推动量子光学与经典计算的融合。