當光子學會思考：科學家發現量子光學與人腦記憶模型存在同構性

在光子芯片中，光子主要扮演著數據“搬運工”的角色，負責信息的快速傳輸。但當光子在光學電路中傳播并發生量子干涉時，它們能否像人腦中的神經元一樣進行聯想記憶？2026 年 2 月 18 日發表在《物理評論快報》（Physical Review Letters）的一項國際研究給出了肯定答案。

這項由意大利國家研究委員會納米技術研究所（Cnr-Nanotec）、意大利技術研究院（IIT）和羅馬第一大學（Sapienza University of Rome）主導的合作研究——《多光子量子模擬廣義 Hopfield 記憶模型》（Multiphoton Quantum Simulation of the Generalized Hopfield Memory Model），首次揭示了多光子量子干涉可以精確模擬經典人工神經網絡中的廣義霍普菲爾德記憶模型（Generalized Hopfield Model）。

在特定的量子光學回路中，光的粒子不再僅僅是載體，它們能像大腦中的神經元一樣通過相互作用來“編碼”和“提取”記憶。這為光子量子模擬復雜系統及構建超低能耗 AI 硬件開辟了新路徑。

量子干涉構建“光子大腦”

研究團隊的核心發現建立在一個精妙的物理映射之上：他們證明了在光學電路中傳播的不可區分光子（indistinguishable photons），其量子干涉行為與人腦記憶模型之間存在直接的數學對應關系。

霍普菲爾德網絡是聯想記憶和機器學習的經典統計物理框架，由 John J. Hopfield 于 1982 年提出。它將神經元活動表示為“自旋”（向上或向下，即+1 或-1）。通過 Hebb 學習規則構建突觸權重，使存儲的記憶模式成為系統哈密頓量的全局極小值。

而在該研究構建的光學系統中，研究人員利用二元相移器（binary phase shifters）來調節光路，每一個相移器對應一個“神經元”，其相位變化（0 或π）對應神經元的兩種狀態。

（來源：https://journals.aps.org/prl/abstract/10.1103/945c-）

最令人驚嘆的發現在于系統對復雜關聯的處理能力。研究主要負責人、Cnr-Nanotec 高級研究員馬可·萊昂內蒂（Marco Leonetti）團隊推導出，當 Nph 個光子在 M 個光學模式中傳播時，系統輸出的光子統計數據，竟然精確對應于一個 p 體相互作用的霍普菲爾德哈密頓量，且滿足關系式 p=2Nph 。

通俗來說，這意味著僅輸入 2 個光子（Nph=2），就能模擬出 4 個神經元（p=4）之間復雜的非線性相互作用（4-body interaction）。這種多體相互作用（p-body）遠比傳統神經網絡中兩兩連接（2-body）的模型強大，它能讓記憶存儲容量呈指數級增長。理論上，該系統的記憶容量 P 與節點數 M 的關系可提升至 P～Mp/2 的超廣延（superextensive）水平。

實驗模擬：記憶的“三態”演化

為驗證這一理論，第一作者根納羅·贊法爾迪諾（Gennaro Zanfardino）等人利用交換蒙特卡羅（Exchange Monte Carlo）方法，對一個包含 50 個“光子神經元”的系統進行了全方位的模擬。

（來源：https://journals.aps.org/prl/abstract/10.1103/945c-）

研究通過引入離散傅里葉變換（DFT）來制備均勻的輸入態，確保系統內部形成“全連接”網絡。模擬結果表明，隨著記憶負荷增加，該系統會經歷三個截然不同的物理階段（相變），這與生物大腦的記憶機制驚人地相似：

首先是記憶檢索相（Retrieval Phase）：在低溫且存儲信息量適中的情況下，系統如同一個頭腦清醒的人。光子通過量子干涉，能夠精準地鎖定并“回憶”起預先植入的記憶模式。此時，系統處于能量的全局極小值。

接下來是自旋玻璃相（Spin-Glass Phase）：這是最迷人也最關鍵的發現。當試圖存儲的記憶數量過多（高負載），超過了系統的臨界點時，系統會進入“記憶黑障”（memory black-out）狀態。此時，系統內部充滿了大量偽造的吸引子（局部極小值），就像一個人陷入了混亂的思維迷宮，雖然由于量子相干性仍保留某種有序結構，但已無法正確提取單一的記憶。物理學上稱此為“自旋玻璃態”——一種無序但并非完全隨機的復雜狀態。

最后則是順磁相（Paramagnetic Phase）：當環境噪聲（溫度）過高時，所有的光子行為變得互不相關，系統徹底失去記憶功能，變成一團熱噪聲。

（來源：https://journals.aps.org/prl/abstract/10.1103/945c-）

連接諾獎理論與未來計算

這一發現的意義之深遠，已經超出了光子計算本身。

該研究深受 2021 年諾貝爾物理學獎得主喬治·帕里西（Giorgio Parisi）關于復雜系統理論的影響。Cnr-Nanotec 現任所長法布里齊奧·伊盧米納蒂（Fabrizio Illuminati）指出，這項工作證明了適用于經典無序系統（如自旋玻璃）的定律同樣支配著量子光子電路。

圖 | 喬治·帕里西（來源：喬治·帕里西個人網站）

這使得光子芯片成為了一種微型的“物理實驗室”，科學家可以利用它來模擬和探索氣候變化、生物網絡等自然界中極端復雜的無序現象。

而在 AI 能耗日益增長的今天，該成果指出了新的方向。Cnr-Nanotec 研究主任盧卡·萊烏齊（Luca Leuzzi）強調，光子計算具有光速并行運算、低功耗和固有量子相干性等獨特優勢。研究論文甚至展望，未來利用數字微鏡器件（DMD），可以將該系統擴展到 100 萬個光學模式。這將構建出規模遠超當前經典計算機模擬能力的超級神經網絡。

論文合著者馬可·萊昂內蒂（Marco Leonetti）表示：“在這個系統中，光子不再僅僅是數據的載體，它們本身就是聯想記憶的‘神經元’。”當光學會了“思考”，我們距離真正的類腦智能或許又近了一步。

相關論文：

https://journals.aps.org/prl/abstract/10.1103/945c-11wt

運營/排版：何晨龍