تُعدّ الحوسبة البصرية التناظرية التي طوّرها باحثون من مايكروسوفت بالشراكة مع جامعة كامبريدج خطوة واعدة نحو حلّ تحديات الطاقة في تطبيقات الذكاء الاصطناعي والتحسين التوافقي. وفقًا لدراسة نُشرت في دورية Nature، يعتمد الجهاز الجديد على دمج مكونات بصرية وتناظرية مثل مصفوفات الميكرو-إضاءة (microLED)، ووحدات التحكم في الضوء المكاني، ومحولات الضوء، لتنفيذ عمليات ضرب المصفوفات المتجهة (vector-matrix multiplication) بشكل مباشر، دون الحاجة إلى تحويلات رقمية تستهلك طاقةً كبيرة. يتميز هذا الحاسوب البصري التناظري بقدرته على تقليل استهلاك الطاقة بنسبة تصل إلى 100 مرة مقارنة بأفضل وحدات معالجة الرسومات (GPUs) الحالية، كما يُحسن من مقاومة الضوضاء من خلال تقنية بحث ثابتة سريعة. ويُعدّ هذا التصميم مبتكرًا لأنه يُسرّع كلاً من مهام استنتاج الذكاء الاصطناعي والتحسينات التوافقية في منصة واحدة، مما يفتح آفاقًا واسعة لتطبيقات متعددة. لاختبار فعالية الجهاز، صمّم الفريق نموذجًا رقميًا (Digital Twin) يحاكي الأداء الفعلي للهاردوير، ما سمح بتدريب النماذج وتشغيل محاكاة على نطاق واسع. أُجريت دراسات حالة شملت تصنيف الصور، وانحدار غير خطي، وإعادة بناء صور الرنين المغناطيسي (MRI)، وحلّ مسائل تسوية المعاملات المالية. أظهرت النتائج تفوقًا ملحوظًا: في حالة الرنين المغناطيسي، تم تقليل وقت التصوير من 30 دقيقة إلى 5 دقائق مع الحفاظ على دقة عالية. أما في مسألة تسوية المعاملات، فقد أظهر الجهاز دقة عالية في حلّ مسائل تحسين معقدة. كما أظهرت النتائج تطابقًا يتجاوز 99% بين النموذج الرقمي والهاردوير الفعلي عند تنفيذ مهام الاستنتاج، ما يعزز الثقة في أداء الجهاز عند التوسع. ويعتبر الباحثون أن نهج التصميم المتكامل (co-design) بين الأجهزة والخوارزميات هو مفتاح توليد دوامة من الابتكارات المستقبلية، مما يُسهم في مستقبل حاسوبي مستدام. رغم الإمكانات الكبيرة، لا تزال التقنية في مراحل مبكرة، حيث يقتصر الحاسوب الحالي على 256 وزنًا في مهام الاستنتاج، مع إمكانية الوصول إلى 4096 وزنًا، و64 متغيرًا في مسائل التحسين. ويشير الباحثون إلى أن التوسع إلى ملايين أو مليارات الأوزان ممكن فنيًا، نظرًا لتطور تقنيات التصغير وزيادة كثافة الميكرو-إضاءات في الأجهزة. في الختام، يُعدّ هذا الحاسوب البصري التناظري إمكانية حقيقية لتحويل مستقبل الحوسبة، خصوصًا في ظل التزايد المتسارع في استهلاك الطاقة الناتج عن تطبيقات الذكاء الاصطناعي، لكن تحقيق تطبيقات واقعية سيتطلب تطويرًا هندسيًا وتقنيًا متواصلًا.