数字卷积可提取目标的关键特征，用于人工智能的数据处理和信息识别。但由于电子响应速度低，需要耗费大量的时间和能量。虽然无质量光子可以实现高速、低损耗的模拟卷积，但现有的傅里叶滤波和格林函数等两种全光学方法要么功能有限，要么体积庞大，因此限制其在智能系统中的应用。

　　近日，针对该问题，由中国科学技术大学研究团队提出一种紧凑的全光卷积芯片，以并行和实时的方式实现任意算子的全光图像卷积计算。

　　基于多层结构的深度卷积神经网络(CNN)，人工智能最近在学术界和工业界得到快速发展。在每一层中，许多具有特定功能的卷积核被用来提取目标的重要特征，以达到信息识别的目的。但随着人工智能任务量的增多，这些卷积操作的能耗和时耗都显著增加，这限制了智能系统的整体性能。

　　作为无质量的玻色子，光子能实现并行模拟计算，无需数模转换，且其在大带隙的透明材料中能无损传输，因此光子计算是实现超高速和低能耗卷积的潜在途径。