人类大脑拥有 300 亿个神经元，仅需 20 - 30 瓦特能量就能进行高效信息处理。其复杂的结构和低功耗、高效率的特性，为科技研究提供了重要启示。生物工程和计算机科学领域的研究人员试图模拟人脑信息存储和处理机制，开发更高效智能的计算技术。微云全息（NASDAQ HOLO）也在此背景下展开新型计算算法的探索。
传统计算机基于冯?诺依曼体系结构，在处理分布式、大规模、并行和自适应计算任务时效率低下。同时，传统计算机功耗较高，在信息传输和处理速度方面也存在局限性。电子信号在传输过程中受电阻、电容、电感等因素影响，导致信号衰减和延迟，影响计算速度和效率。
为解决传统算法在面对当今复杂计算任务时的诸多不足，微云全息推出了具有重大突破意义的星耀光子计算算法。
该算法充分发挥光子学的独特优势。首先是多维度特性，这使得算法在处理信息时能够从多个角度进行分析，极大地提高了计算的全面性和准确性。超高速优势则表现为将单个计算操作时间压缩至亚纳秒级，在如此短的时间内完成计算任务，为实时处理非结构化信息奠定了坚实基础。大带宽特性允许大量数据在瞬间传输，无论是图像、音频还是其他复杂数据类型，都能以极高的效率在算法中流转，大大提升了计算的效率和响应速度。而低功耗更是在能源紧张的当下显得尤为关键，相比传统算法的高能耗，星耀光子计算算法能够以极低的能量消耗完成大量计算任务，为可持续发展提供了新的可能。同时，该算法还具备超低功耗和自主学习能力，能够根据不同的计算任务和数据特点自动调整计算策略，不断优化自身性能，实现更加智能高效的计算。
在具体实现机制方面，微云全息通过人工神经元与标量突触重量的连接，以矩阵 - 向量操作精心布置互连。这种连接方式和操作模式使得算法能够更加高效地处理复杂的计算任务，提高计算的准确性和速度。光信号在算法中起着至关重要的作用。光信号由可调整的谐波导元件发射并放大，这些谐波导元件能够将微弱的光信号转化为足够强度的信号，以便进行后续的处理。同时，利用特殊信号复合技术使半导体中的载流子累积加强，进一步提高了光信号的强度和稳定性，为算法的稳定运行提供了有力保障。
与传统电子电路金属线连接相比，星耀光子计算算法所采用的光子波导信号具有显著优势。光子波导信号的损耗和热损耗更低，在传统电子电路中，电子在金属线中传输时会受到电阻、电容、电感等因素的影响，导致信号衰减和能量损失。而光子在波导中传输时，几乎不受这些因素的影响，能够以更低的损耗传输更远的距离。并且光子波导无电感和趋肤效应，在传统电子电路中，电感和趋肤效应会导致信号畸变和能量损失，而光子波导由于没有这些问题，能够在远距离的神经互联中保持信号的完整性，降低信号畸变，提高计算的准确性。
为了满足无人驾驶、智能制造等高带宽和低延迟计算任务的需求，算法采用了直接、非数字的光子互连方式。这种互连方式能够在瞬间传输大量的数据，实现高带宽的信息传输，满足这些领域对数据传输速度的极高要求。同时，由于光子的传输速度极快，能够大大降低延迟，确保实时计算的顺利进行。此外，为了进一步提高算法的并行处理能力和计算效率，微云全息还采用了数字时分复用技术构建更大的神经网络。这种技术能够有效地利用带宽资源，将多个计算任务同时进行，提高计算的效率和速度。通过构建更大的神经网络，算法能够处理更加复杂的计算任务，为各个领域的发展提供更加强大的计算支持。
微云全息（NASDAQ HOLO）将继续加大研发投入，深入研究光子计算技术，优化算法性能。利用现有算法进行编程和训练，提高稳定性和可靠性。与科研机构和企业合作，探索应用场景，推动先进技术与应用涌现。同时，验证光子计算相较于电子计算的优势，拓展应用范围，探索新的光子学技术和材料，提高性能和效率。
