科学家构建基于光学的图像生成模型

美国加州大学洛杉矶分校工程学院研究团队开发出一项有望推动生成式人工智能（AI）走向绿色未来的新技术。他们构建了一种基于光学的图像生成模型，利用光子而非传统的电子进行计算，从而大幅降低能耗，为高效、可持续的人工智能提供了全新路径。该成果发表于新一期《自然》杂志。 ncluA~8  

4 }l,F  
当前流行的聊天机器人和图像生成器虽然在技术上取得了显著突破，但其巨大的能源消耗和环境代价也引发了广泛关注。这些生成式AI系统不仅需要大量电力来运行，还因数据中心冷却需求而消耗巨量水资源，对自然资源构成压力。同时，支撑这些模型的庞大计算基础设施也让人们对其长期可持续性产生担忧。 %<oey%ue  
b0CtQe  
新研究展示了一种创新计算范式：通过光学方式直接执行图像生成过程，充分发挥光速传播和并行处理的优势，仅需一次通过即可完成图像输出。与现有生成模型依赖数百乃至数千次迭代计算不同，该系统将数字编码与光学解码相结合，在训练阶段协同优化两个模块，而在推理阶段只需一次数字编码后，便可通过光学硬件“快照式”生成图像，无需反复迭代。这不仅极大提升了效率，也显著减轻了计算负担。 s wdW70  
'[fo  
这项技术证明了光学系统有能力在大规模场景下执行复杂的生成式AI任务。通过绕开传统数字计算中繁重的重复运算，有望催生出更快速、更节能的AI系统，并深度融入日常设备中。 aD~3C/?aW  
dE+xU(\,w  
为验证其性能，团队已在多个数据集上进行了测试，成功生成了手写数字、服饰、蝴蝶及人脸等图像。结果表明，光学模型仅用单步操作、每个波长一次照射便生成了视觉效果相当的艺术图像，且每张图像的能耗仅为传统方法的一小部分。 pNo<:p  
a r#p7N  
该系统还具备独特的安全与隐私优势，同时，由于其体积小、功耗低，可被集成到智能眼镜、增强现实或虚拟现实头显以及移动终端中，实现本地化实时内容生成，减少对云端计算的依赖，这也有助于推动边缘计算的发展。