导语

算术能力是生物智能的一项独特特征，综合了感知、计算和结果呈现等多种能力，而新兴人工智能系统仍未充分具备这种一体化能力。近期，国际光子学期刊《Laser&Photonics Reviews》发表研究论文《Diffractive Arithmetic Processing by Conditional Optical Generative Models》，哈尔滨工业大学（深圳）等研究团队，构建了一类具备视觉算术能力的自由空间衍射光学处理器，该处理器以手写数字图像作为输入，衍射网络作为条件光学生成模型运行，在单一、紧凑的系统架构中生成具有自适应书写风格的算术结果，并可扩展至加、减、乘、除四种基本运算。

本次研究采用UPOLabs HDSLM36R纯相位空间光调制器搭建反射式实验平台，通过一块SLM与平行反射镜的多次反射，将输入层和三层衍射相位调制集成在同一可编程器件上，对论文设计进行了光学验证。

实验要点丨反射式验证

多层衍射网络通常需要多片独立相位器件，并精准控制层间距离。本研究采用反射式架构，将UPOLabs HDSLM36R与一面平行反射镜相距4cm放置。相干光以约87.7°入射SLM，首先照射承载两幅输入数字的区域，随后在SLM和反射镜之间往返传播，依次经过三个加载不同相位分布的调制区域，最终由CCD采集运算结果。

图2 反射式衍射光学处理器原理与实验装置 / 图源Wang et al., Laser & Photonics Reviews, 2026。

这种设计相当于把输入层和三层“虚拟衍射层”排列在同一块SLM面板上。光每次返回SLM，都会进入下一个相位区域，完成一次新的波前调制。研究人员将输入层与三层调制层的相位图按照预设布局合成为一幅4K图像，再通过HDMI加载到SLM。

实验对12组代表性加法输入进行了测试，输出图像虽受到装调误差和信噪比的影响，但均保持较高可辨识度，并与仿真结果表现出较强一致性。

图3 12组手写数字加法的仿真与实验输出对比 / 图源Wang et al., Laser & Photonics Reviews, 2026。

实验平台丨HDSLM 36R

在本研究中，HDSLM36R承担了衍射光学处理器的核心可编程相位载体，其作用贯穿输入表示与多层计算过程。

UPOLabs HDSLM36R

实验中以2×2个物理像素构成一个衍射神经元，对应神经元尺寸7.2×7.2 μm；每个调制层包含700×350个神经元，三层相位图与输入层共同排布在一块面板上。

4K像素阵列为多个相位区域同时排布提供空间，3.6 μm小像素使研究人员能够构建7.2 μm尺度的衍射神经元，并在有限面板面积内保留较大的网络规模。纯相位、可编程加载和HDMI输入，则使模型训练后的相位图能够快速进入实验系统，为反射式多层网络的搭建与调整提供了灵活方式。

HDSLM36R 产品参数

该案例展示了UPOLabs空间光调制器在衍射光学计算、条件图像生成和光学神经网络实验中的实际应用，也为通过单块高分辨率SLM构建多区域、多层反射式光学处理器提供了公开、可核验的研究案例。

本次研究提出了一种基于条件光学生成模型的衍射视觉处理器，将视觉感知、数值计算和结果图像生成整合到一次光学处理流程中。实验结果验证了单数字加法答案能够直接形成于输出平面，并进一步展示了减法、乘法、除法、双位数输出以及统一架构下四则运算的扩展潜力。

图4 衍射光学生成处理器在乘法、减法和除法任务中的代表性输出 / 图源Wang et al., Laser & Photonics Reviews, 2026。

结语

论文展示了衍射光学处理器从图像识别向视觉算术与条件生成任务延伸的可能性，也为利用可编程空间光调制器构建低延迟、低功耗光学智能计算平台提供了新的实验路径。

本文研究利用单块4K分辨率SLM完成输入编码与多层相位调制，并取得了较为理想的实验结果。同时，论文也指出，实测信噪比可能受到光学组件对准误差的影响。

结合多位用户需求，UPOLabs推出D²NN全光衍射神经网络计算平台可供选择，通过双SLM或多SLM构建可扩展的多层衍射架构，为各计算层提供相对独立的调制区域和更灵活的空间带宽配置，高配版本还可配置集成算力单元的光斑分析仪，帮助用户减少搭建与调试时间，更快开展算法与应用验证。

本文内容依据论文《Diffractive Arithmetic Processing by Conditional Optical Generative Models》公开发表信息整理。文中涉及UPOLabs产品的描述仅限于论文公开披露的实验平台配置，不代表论文作者对相关产品进行性能排名或商业推荐。

原文地址：https://doi.org/10.1002/lpor.202502983