HAMON: Passive Optical Sequence Mixing for Long-Horizon Forecasting
本文介绍了 HAMON，一种被动衍射光学预测核心，它利用自由空间衍射和可训练相位掩模来执行长周期时间序列预测，且无需数字序列混合，在多个基准测试中实现了与强数字基线相当或更优的性能，同时为光学硬件实现定义了一个具体目标。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正试图根据过去一周的数据来预测下周的天气。通常，计算机通过运行复杂的数字数学运算，在硅芯片中逐层进行数值计算来完成这项工作。
这篇论文介绍了一种完全不同的方法：HAMON。它不再使用数字大脑来计算未来，而是利用光本身来“进行数学运算”。
以下是它的工作原理，使用了简单的类比：
1. 设置：一扇带有视野的窗户
把 HAMON 想象成一扇特殊的窗户。
- 过去（输入）： 你将数据的历史记录（例如过去 336 小时的温度）涂在窗户的左侧。如果温度高，涂色就亮；如果温度低，涂色就暗。
- 未来（输出）： 窗户的右侧完全保持黑暗。这代表了你想要预测的时间段。
- 目标： 你希望来自“过去”侧的光自然地流过窗户，并神奇地在黑暗的另一侧形成一幅“未来”的图像。
2. 魔术技巧：被动光
在普通的计算机中，你需要一个处理器来计算过去如何演变为未来。而在 HAMON 中，你不需要处理器来进行繁重的计算工作。
相反，你在过去和未来之间放置了一系列特殊的透明薄片（称为相位掩模）。这些薄片就像是定制的滤镜，以非常特定的方式弯曲和扭曲光线。
- 当你让“过去”的光穿过这些薄片时，光波会相互干涉（就像池塘中相遇的涟漪）。
- 由于物理定律（特别是光的衍射和扩散原理），光在传播过程中会自然地重塑自身。
- 当光到达“未来”侧时，光形成的图案就是预测结果。
核心创新： 计算机只需要计算出这些透明薄片应该是什么形状。一旦设计完成，预测过程就会随着光的通过而自动完成。无需在预测过程中进行任何数字数学运算。这就像布置多米诺骨牌：一旦你推倒第一块，剩下的就会自动倒下。
3. 为什么要这样做？
作者注意到，对于长期预测而言，所需的“数学”实际上是非常简单且线性的（直截了当的）。它并不需要现代人工智能所使用的那种极其复杂、重型的数字大脑。
既然光在传播过程中可以免费地执行这些简单的线性计算，为什么还要使用缓慢且耗能的数字芯片呢？HAMON 提出了疑问：“我们能不能直接让物理学来承担这项工作？”
4. 他们发现了什么？
研究人员使用计算机模拟光的过程来测试这个想法（因为他们目前还没有制造出实体的玻璃和透镜机器）。
- 结果： 在几种标准的各种天气和能源数据集上，HAMMOM 的表现令人惊讶。在某些情况下，它的表现甚至优于目前最强大的数字 AI 模型。
- 证明： 他们进行了“合理性检查”，以确保确实是光在进行工作。当他们打乱光模式或改变入射光的方式时，预测效果变差了。这证明了该系统并非在末端隐藏了一个数字计算器在“作弊”；而是光本身承载了信息。
5. 局限性（它不是什么）
- 它还不是一个成熟的产品： 这目前还只是一个模拟实验。他们还没有制造出带有真实玻璃和激光器的物理设备。
- 它不是完全的替代品： 系统仍然需要一台数字计算机来“准备”数据（将其归一化），以便将其照射进光中，并且在光穿过之后“读取”结果。但核心的“思考”部分是由被动光完成的。
总结
HAMON 是一个概念验证，它告诉我们：我们并不总是需要一个数字大脑来预测未来。 有时，如果你设置好正确的物理环境（比如一系列折射光线的薄片），大自然只需让光线穿过，就能为你完成预测。这是迈向利用物理定律来构建更快、更高效 AI 的一步。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。