在算力技术的不断演进中，智能光计算以其高算力与低功耗的独特优势，正逐步成为算力发展的新宠。近日，清华大学电子工程系方璐教授课题组与自动化系戴琼海院士课题组携手，在智能光计算领域取得了重大突破，他们创新性地提出了全前向智能光计算训练架构，并成功研制出“太极-II”光训练芯片，这一成果不仅解决了光神经网络训练中的瓶颈问题，更以“光神经网络全前向训练”为题，在《自然》期刊上发表，引起了国际学术界的广泛关注。

长期以来，光神经网络的训练受限于对GPU的依赖和物理系统精准对齐的难题，严重制约了光计算在大规模任务中的应用。然而，方璐与戴琼海课题组凭借对“光子传播对称性”的深刻洞察，巧妙地将神经网络训练中的前向与反向传播统一为光的前向传播，彻底打破了这一桎梏。在太极-II架构下，梯度下降中的反向传播被转化为光学系统的前向传播，实现了数据-误差的两次前向传播训练模式，极大地提升了训练的精度与效率。

太极-II光训练芯片的问世，标志着智能光计算训练迈入了一个全新的阶段。该芯片不仅支持多种光学系统的训练，而且在各种复杂任务下均展现出了卓越的性能。在大规模学习领域，太极-II将数百万参数的光网络训练速度提升了1个数量级，智能分类任务的准确率更是提升了40%。在复杂场景智能成像方面，太极-II在弱光环境下实现了惊人的能效提升，系统级能效高达5.40×10^6 TOPS/W，非视域场景下的成像帧率也实现了2个数量级的飞跃。此外，在拓扑光子学领域，太极-II还展现了其自动搜索非厄米奇异点的能力，为复杂拓扑系统的解析提供了新的视角。

方璐教授将太极系列芯片比作“定两仪太极之道，合正反乾坤之法”的辩证协作架构，预示着它们将共同为AI大模型注入算力发展的新动力。太极-II作为继太极I芯片之后的又一力作，不仅实现了高能效的AI推理，更在训练领域取得了重大突破。两者相辅相成，共同构成了大规模智能计算的完整生命周期，为智能光计算的产业化应用奠定了坚实基础。