据MIT科技评论网1月3日消息，美国康奈尔大学团队开发出针对光学系统的模型压缩与简化策略。该方法将光学神经网络的物理尺寸缩小到传统设计的1%–10%，同时保持推理准确率基本不变。研究团队借鉴AI领域广泛应用的神经网络剪枝概念，针对自由空间光路和光子芯片两大主流光学平台，提出了面向物理约束的剪枝策略。这种方法不仅基本保持了模型性能，同时将所需的器件数量减少约99%，为超大规模片上光计算提供了可行路径。