光子数据转化在金融领域的应用研究|芯片_新浪财经

　　转自：银行家杂志

　　随着大数据、人工智能技术的快速发展，大语言模型横空出世，受到了国内外学者和从业者的高度关注。在计算量如此庞大的今天，传统的计算机愈发难以满足现有需求。在此背景下，光子计算依托其特有的计算优势，有望为数字经济时代算力瓶颈的突破提供全新破局之道。本文聚焦光子金融科技中的“光子数据转化”方向，结合商业银行业务场景进行探索，为光子科技助力金融科技提供创新思路和研究方法。

　　引言

　　随着ChatGPT等大语言模型的横空出世，其底层的算力需求备受学界和业界关注。面对海量的数据和超大模型的计算需求，传统基于电子的经典算力体系面临严峻挑战。光子计算得益于其高带宽、低损耗、低延时、可高度并行的优势，有望为数字经济时代算力瓶颈的突破提供全新破局之道。一直以来，我国高度关注光子科技的发展。2015年2月，习近平总书记亲赴中国科学院西安光学精密机械研究所考察时，就详细询问了高功率半导体激光器、光纤温度传感器等技术情况，并强调“过去我们贫穷弱小，需要自力更生。现在国力增强了，我们仍要继续自力更生，核心技术靠化缘是要不来的”。本文立足于金融科技视角，聚焦光子数据转化方向，结合商业银行业务场景进行探索，以期为商业银行应用光子科技提供新思路。

　　光子数据转化技术

　　在数字经济时代下，随着各行各业数字化转型发展的不断深化，数据量呈现指数级增长。特别是在数据成为新型生产要素的今天，如何将数据在真实的应用场景中“用活”“用巧”“用好”，已成为各行各业亟待解决的问题。

　　对于光子金融科技而言，光子数据转化作为光子数据治理中的关键环节，其重要性不言而喻。无论是传统计算还是光子计算，都离不开数据算料的支持，但不同的计算对数据算料的要求不同。以光子计算为例，在进行光子计算之前，首先需要将电信号或其他形式的信息转化为光信号，这就涉及运用光子数据转化技术。同样，为了从光子计算中获取结果，也需要将光信号转化为电信号或其他形式的信息，这也离不开光子数据转化技术。因此，光子数据转化是连接光子计算系统和经典计算系统的桥梁纽带，既是光子计算的第一步也是最后一步。正因如此，高效的光子数据转化方案不仅能够提高光子计算的精度和准确度，也能够提升计算速度，赋能光子计算技术的高效性和可用性，值得深入研究。

　　当前，国内外已经有诸多学者对光子数据转化的方法开展了研究探索。概括而言，常见的光子数据转化技术方法包括相位编码、振幅编码、空间编码、频率编码、时间编码及多种编码综合运用的方案。

　　相位编码是将数字信号通过调制器件转换为光学相位的变化，并利用相位差分或相干干涉技术进行信息解调和处理。1995年，Refregier和Javidi提出了具有开创性的光学加密方案，并提出了基于傅里叶变换的双随机相位加密方法，该技术使用了基于4F系统（一种光学成像系统，可以利用光学傅里叶变换技术、光学相干技术进行二维处理，实现图像加减、图像微分等）的双随机相位编码[1] 。2022年，胡跃强等人提出了一种基于超构表面全光衍射神经网络的多任务智能感知芯片，它能在可见光下执行多个通道的低功耗、极速智能图像识别任务，其利用亚波长纳米结构的偏振复用方案，构建了一种多通道分类器框架，该架构基于极化多路复用元表面的一种体系结构，实现多通道的相位编码[2]。

　　振幅编码是将数字信号通过模拟振幅器件的控制实现光强的调制，从而实现信息的编码和传输。2017年，沈亦晨等人将硅基光电子技术和深度学习进行融合，提出一种全光卷积架构，在相关纳米光子芯片上实现了语音识别功能。在该框架中，信号被编码在集成光子波导中传播的光脉冲的振幅中[3]。

　　空间编码是将数字信号通过空间光调制器件转化为形态和位置的变化，并利用空间滤波、衍射、反射等光学效应实现信息处理和识别。2017年，解万财等人提出了一种基于空间光调制器的空间编码方式，该技术使用单束激光直接产生混合光模式阵列进行编码通信，这对于提高信息传输的容量有着重要的作用[4]。

　　频率编码是将数字信号通过调制光源的频率实现信息的编码和传输。2001年，赵鸿等人应用光学中的频率编码法和影像云纹法对短圆柱组合薄壳的屈曲现象进行研究，将其运用到快堆主容器结构稳定性模拟实验中，并取得了较好的实验结果[5]。

　　时间编码是将数字信号转化为光脉冲的时间差，利用光脉冲在光纤中传播的特性实现信息的传输和处理。2020年，清华大学陈宏伟团队提出了时间编码单像素三维成像技术，利用超快的时间编码进行空间调制，大大提高了编码调制速度，最终使得三维成像速度也得到了巨大的提升[6]。

　　此外，还有诸多学者对多种编码综合方式进行了研究探索。2015年，涂颜帅提出了一种基于时间频率编码的高速三维测量方案，该方案在不改变相机帧率的前提下，充分利用了高速投影仪的帧率，提高了测量速度，降低了成本[7] 。2018年，Lin等人提出了一种全光衍射深度神经网络（D2NN）架构，能对MNIST手写数字数据集和Fashion-MNIST时尚产品数据集进行有效分类，在对MNIST手写数字数据集进行分类时，输入数字被编码到D2NN输入场的振幅通道中；而对Fashion-MNIST时尚产品数据集进行分类时，将目标时尚产品图像数据编码到输入平面相位通道中[8]。

　　不同的编码方式具有不同的特点，需要按照研究问题和使用光子计算方法选择合适的光子数据转化方式进行数据编码，为光子计算提供前期的算料支撑。以光子全同态加密为例，由于其隐私性、保密性和量子安全等特性，在金融领域具有巨大的应用前景。在全同态加密领域中，基于光学器件的快速傅里叶变换方案，由于依靠光学物理过程完成傅里叶变换，具有比当前基于电芯片的数论变换方案快几个数量级的巨大潜力。业界已有基于光学傅里叶变换的全同态加密方案，可将复数域的数字信号通过振幅编码和相位编码的方式调制到光上。此外，由于密文数据相比明文数据膨胀达上万倍，光子通信技术可以满足全同态加密计算中巨大的数据带宽需求，而光子数据转化同样对光子通信的精度和速度都有重要影响。

　　光子数据转化在金融场景中的应用

　　2023年4月，吴永飞等人在《银行家》杂志发表题为《光子计算在金融领域的研究应用——聚焦“光子金融科技”新方向》的文章，首次提出了光子科技和金融科技相结合的“光子金融科技”概念，支持将光子科技批量化引入金融科技业务场景。文章中提到了光子计算在风险价值计量和银行账户欺诈识别两类金融业务场景的应用，其核心是依托光子计算低能耗、高速率等特性，完成复杂的数据计算，达到对当前顶端GPU计算效率的超越[9]。

　　上述金融场景是运用了一种可编程光学矩阵乘法器的实现方法，属于“相位编码”范畴，该系统在物理层面主要包括光芯片和电芯片，两块芯片由3D倒装堆叠的方式封装在一起。在物理层面，所有的光器件都集成在一块光芯片上，而光芯片的控制电路和内存都部署在电芯片上。电芯片上除了光芯片的控制电路和内存之外，还有一部分数模转换电路和模数转换电路以及其他的业务逻辑电路。功能层面主要包括信号输入、处理和输出三大部分。光芯片主要负责高速矩阵乘法运算，电芯片主要有三大功能，即光芯片的驱动控制、数模模数转换功能和其他非矩阵乘法的运算。

　　对于数据转化过程，主要使用数模转换器、光调制器和模数转换器完成对数字电信号、模拟电信号和光信号的数据转化。主要包括在权重加载和数据加载阶段，使用数模转换器将数字电信号的数据和权重转化为模拟电信号，而后使用光调制器将模拟电信号转化为光信号。具体步骤如下：在权重加载和数据加载阶段，首先在数字电路上通过合适的编译把数据和权重调制到合适的周期，在给定的时间周期内，运用数模转换器把数字电信号的数据和权重转成模拟电信号，再利用模拟电信号去驱动光芯片上的光调制器，而后光调制器将信号调制到光信号上。在结果解码阶段，输出的光信号在被光学接收器接收后，光信号被解调成模拟电信号，这些模拟信号经过模数转换器转化为数字电信号，作为矩阵运算的结果供后续运算使用。

　　通过上述方法对金融相关业务数据进行光子数据转化，并利用光子计算对问题进行求解，达到远超CPU和GPU的运算效果，体现了光子计算优势。

　　结语

　　在数字经济时代下，光子金融科技应运而生。在光子计算实现的过程中，离不开将经典数据向光子数据转化的过程，不同的计算问题、不同的光子算法，所使用的光子数据转化方式各有不同，也各具优势。未来银行将继续深入研究光子金融科技背景下不同光子计算的数据转化方式，推进光子数据治理，并将相关技术应用于资产管理、运营管理、交易分析、智能分析、全光网络等领域，助力金融场景计算效能提升，为数字经济时代下全社会广泛运用光子科技提供相关实践经验。

　　【参考文献】

　　[1]REFREGIER P， JAVIDI B． Optical Image Encryption Based on Input Plane and Fourier Plane Random Encoding[J]．Optics Letters，1995，20（7）：767-769．

　　[2]LUO X H， HU Y Q， OU X N， et al.Metasurface-enabled On-chip Multiplexed Diffractive Neural Networks in the Visible[J]．Light：Science& Applications，2022（7）：1443-1453．

　　[3]SHEN Y C， HARRIS N C， SKIRLO S， et al.Deep Learning with Coherent Nanophotonic Circuits[J]．Nature Photonics，2017（7）：441-446．

　　[4]解万财，黄素娟，邵蔚，等．基于混合光模式阵列的自由空间编码通信[J]．物理学报，2017，66（14）：329-337．

　　[5]赵鸿，顾绍德，冯平．形状测量的光学方法应用于组合薄壳的屈曲模态测量[J]．力学季刊，2001（4）：460-463．

　　[6]TENG J J， GUO Q， CHEN M H， et al.Time-encoded Single-pixel 3D Imaging[J]．APL Photonics，2020，5（2）：020801-1—020801-8．

　　[7]涂颜帅．基于时间频率编码的高速光学三维测量及应用研究[D]．浙江师范大学， 2015．

　　[8]LIN X， RIVENSON Y， YARDIMCI N T， et al.All-optical Machine Learning using Diffractive Deep Neural Networks[J]．Science，2018，361（6406）： 1004-1008．

　　[9]吴永飞，王彦博，沈亦晨，等．光子计算在金融领域的研究应用——聚焦“光子金融科技”新方向[J]．银行家，2023（4）：105-109．

　　（上海曦智科技有限公司陈章，龙盈智达﹝北京﹞科技有限公司杨璇、王杰、徐奇、曹晓峰对本文亦有贡献）

　　作者单位：华夏银行股份有限公司，

　　上海曦智科技有限公司