东方时讯网使用光的计算可能会提供更低的延迟和更低的功耗，这得益于光学系统具有的并行性。例如，单个光学处理器可以同时执行许多不同的计算任务，例如许多不同转换的并行计算，这对于许多应用程序可能很有价值，包括加速基于机器学习的推理。
发表在AdvancedPhotonics上的一篇新研究论文证明了采用波长复用方案进行大规模并行光学计算的可行性。在他们的出版物中，来自加利福尼亚大学洛杉矶分校(UCLA)的研究人员报告了一种波长多路复用衍射光学处理器，该处理器能够通过不同的波长通道同时计算数百个不同的复值线性变换。
这种衍射光学处理器使用深度学习工具设计，由结构化的衍射表面组成，由被动透射材料制成。在这个光学处理器中，一组预先确定的离散波长对输入和输出信息进行编码。每个波长专用于一个独特的目标函数或复值线性变换。在基于深度学习的设计阶段之后，可以使用3D打印或光刻技术制造该处理器，然后组装成物理上的光学处理器，该处理器可以同时在其输入和输出之间执行大量目标转换。
这些目标变换可以专门分配给不同的功能，包括例如图像分类、分割、加密和重建，或者它们可以专门用于计算神经网络中的不同卷积滤波器操作或完全连接的层。凭借这种独特的波长多路复用设计，所有这些线性变换或所需功能都以光速同时执行，其中每个所需功能都分配给一个独特的波长，从而使宽带光学处理器能够以极高的吞吐量和并行性进行计算。
这种宽带衍射处理器设计不需要任何波长选择元件，例如光谱或滤色器，并且与具有不同色散特性的各种材料兼容。加州大学洛杉矶分校的研究人员认为，该平台和基本概念可用于开发在电磁波谱的不同部分(包括可见光和红外波长)下运行的高性能光学处理器。
此外，由于其能够直接处理输入的光谱信息，所报告的框架还将激发基于输入对象的空间和光谱信息进行统计推断的多色和高光谱机器视觉系统的开发，这可能会找到应用在生物医学成像和传感中，用于检测和特定成像具有独特光谱特性的物质。