行业报告显示，到2028年，全球互联网流量预计将突破3000艾字节，是2019年的三倍以上。爆炸式增长的数据对计算能力、传输速度和安全性能提出了前所未有的要求。
近日，上海理工大学顾敏院士团队联合上海交通大学苏翼凯教授团队、复旦大学迟楠教授团队，在《自然·通讯》杂志连续发表两项突破性研究成果，实现太比特每秒（Tbps）加密数据传输与微米级智能光子推理芯片，为未来信息基础设施打造了“安全盾”与“算力引擎”。
噪声掩护下的光速加密：把信号藏在众目睽睽之下
传统光学加密受限于物理器件的调制速度，难以匹配超高速信号传输需求。顾敏院士团队与迟楠教授团队合作的论文《基于时空噪声扰乱的超高速光学加密》（Ultrahigh-speed optical encryption enabled by spatiotemporal noise chaffing）打破了这一瓶颈。复旦大学施剑阳副研究员与博士生陈超旭为共同第一作者，上海理工大学顾敏院士、方心远研究员与复旦大学迟楠教授、张俊文教授担任论文的通讯作者。
该技术受经典密码学上“糠与麦（Chaffing & Winnowing）”原理启发，将携带真实信号的轨道角动量模式（麦粒）与携带噪声的共轭模式（糠秕）混合后共线发射，只有掌握正确密钥的接收方，才能提取出干净信号。
时空噪声掺杂机制的光学加密原理
“就像在喧闹的集市中秘密交谈，外人只听到嘈杂声，而通信双方却能清晰交流。”智能科技学院方心远研究员解释道。
研究团队设计了一套高维模式生成神经网络，将密钥空间提升至约100亿种可能，比现有光学加密方法高出五个数量级。团队进一步搭建8通道波分复用相干光通讯链路，安全传输速率达到创纪录的1.25 Tbps。
微米尺度的光学AI：把超算中心微缩到芯片上
同时，瞄准光计算的核心难题——如何在小尺寸上实现高算力。顾敏院士团队与苏翼凯教授团队开展合作，发表论文《用于机器学习推理的高计算密度纳米光子介质》（High computational density nanophotonic media for machine learning inference）。上海交通大学博士生赵振宇为第一作者，上海理工大学方心远研究员与上海交通大学郭旭涵教授为通讯作者。
研究团队采用制造条件约束的逆向设计方法，在硅基光子上设计出一种由数千个纳米级孔洞构成的光子芯片。这些孔洞的排列和尺寸通过机器学习优化，使得光波穿过时就能直接完成分类、识别等推理任务。该芯片仅占64平方微米，相比传统光学神经网络缩小了三个数量级，在鸢尾花数据集分类任务中实验准确率达到86.7%，系统光学输入功率仅1毫瓦,展现出极高的能效。
制造条件约束的逆向设计光子芯片方法
“这项工作在硅平台上完整制备并实验验证了基于纳米光子介质的机器学习推理芯片，为后续大规模光电智能集成奠定了基础。”方心远表示。
上海方案：协同创新的力量
两项突破性成果均依托上海市类脑光子芯片前沿科学研究基地，受到上海市市级科技重大专项等项目的支持。前沿科学研究基地由顾敏院士担任主任，打破了部属高校与市属高校之间的壁垒，整合了上海在光学设计、芯片制备、算法开发、应用验证等环节的优势资源。
“我们形成了从理论设计、芯片制备到系统应用验证的全链条能力，”顾敏院士表示，“这种协同创新模式大大加速了从学术思想到技术原型的转化过程。”
据了解，该平台已汇聚了来自上海交通大学、复旦大学、上海理工大学、上海科技大学等多所高校的众多科研骨干，成为上海打造“光学人工智能技术”创新策源地的重要支点。
论文链接：https://www.nature.com/articles/s41467-025-65111-5
https://www.nature.com/articles/s41467-025-65213-0
