2025年，Nature刊登的论文报道了一种将模拟电子电路、三维光学自由空间传输与迭代算子架构整合到单一装置中的模拟光学计算机。论文题为“Analog optical computer for AI inference and combinatorial optimization”，作者提出并演示了一个能够同时完成AI推理与组合优化的混合模拟平台。
文章详细描写了系统的三大基础模块：以模拟电子实现的控制与反馈回路、三维光学部分用于大规模线性映射（光学域内的并行矩阵运算）、以及一套迭代架构将两者闭环起来以逐步收敛到目标解。研究团队并没有把光学仅当成一次性加速器，而是通过电子‑光学的闭环交互，利用迭代步骤在受噪声和失配影响的模拟器件上“细化”计算结果。
论文中保留了不少实验细节：研究者在自由空间光学路径中实现了高维的矩阵向量乘法，使用光场的空间模式来并行承载向量分量；模拟电子电路负责在每次迭代后对输出进行缩放、相位调整并反馈回光学模块；整体架构允许在光域完成大部分线性代数工作，而通过迭代将非线性或约束条件逐步引入，进而用于组合优化问题的求解。
在应用演示上，论文同时给出了AI推理与组合优化两类任务的原型验证。对于AI推理，作者展示了将训练好的线性层或近似算子映射到光学子系统后，在迭代修正下保持可用精度的能力；对于组合优化，团队利用光—电混合迭代流收敛到近优解，并讨论了如何通过多次迭代和参数调整提升解的质量。
作者在文章中强调了三点技术意义：一是把“模拟”与“迭代”结合，能够在噪声可控范围内用更少的能耗完成大规模线性运算；二是三维自由空间光学为高并行度提供了天然通道，适合处理大规模矩阵；三是闭环电子反馈为系统提供了可编程性和误差修正能力，使得同一硬件平台能在不同类型任务间切换。
文章也没有回避限制：文中提到的挑战包括器件间失配、光学散射和散热管理、以及如何把实验室原型工程化成稳定、可大规模部署的产品。作者提出的路径包括更严格的校准流程、噪声容忍算法设计，以及与现有数字后端的协同工作。
对年轻的技术受众而言，这项工作提供了一个直观的想象：不再只是用电子比特“搬运”计算负载，而是把光作为天然的并行计算媒介，再用模拟电子来“纠偏”和控制，使AI推理与组合优化两种常被视为不同范畴的任务能在同一台机器上高效运行。论文以实验细节和系统架构为核心，既展示了短期内可行的工程路线，也为长期把光学加速器推向数据中心或边缘设备提供了思路。
总之，这篇发表于2025年的研究把“模拟光学+电子闭环+迭代算法”作为一个整体解决方案呈现，既是一项物理层面的创新，也将推动软件与算法层面对这种新型硬件的适配与优化。