子集和空间光数据集

由于缺乏已知的多项式时间算法，NP 完全（NP-complete，NPC）问题，如子集和问题（subset sum problem，SSP），对电子计算机而言具有重大挑战。光学方法以其固有的并行性、低延迟和低功耗而闻名，展现出可行的替代方案。然而，现有的衍射神经网络（diffractive neural networks，DNNs）仅能实现多项式级别的并行计算。在本工作中，我们提出了一种能够实现指数级并行的 SSP 求解器，使得 SSP 问题能够在多项式体积时间内得到求解。通过在合成偏振维上使用光束分裂来保持单一局域光斑，并在该光斑上编码空间频率，可以并行地搜索解。此外，与其他由于非局域重叠（overlapping nonlocality，ONL）而需要较大厚度的空间光学计算系统不同，我们的系统可以保持极薄的器件厚度。这种薄型设计使得在不增加整体尺寸的情况下叠加更多层成为可能，从而实现高效的三维堆叠。我们进行了原理验证实验，并讨论了该方法相较于现有先进方案的优势。本工作为探索充分利用光学计算并行性的全新计算范式奠定了坚实基础。