ARIS 热光计算实验室

一个 AI 驱动的光计算材料自动化验证环境。换材料不换链路，改参数不改流程。

这是什么

一个集成了 ARIS（上海交大开源的 AI 科研自动化系统）的光计算材料工程验证项目。

核心想法：用光做矩阵乘法，用热来控制光的折射率。关键技巧是光子复用——一个光脉冲穿过 2048 个调制点，相当于做了 2048 次乘法。

目前基于 DiSubPc·C70（Nature Photonics 2026）的实验数据做了完整的可行性分析。但这套分析链路不限于这个材料——换 TiO₂、VO₂、Sb₂S₃ 或任何热光材料，流程一样。

快速开始

git clone https://github.com/administere/thermal-optical-aris.git
cd thermal-optical-aris
bash setup-aris.sh   # 一键安装 ARIS + 80 个科研 skills + Python 依赖
claude               # 启动，所有 skills 自动就绪

不需要 GPU。不需要 API key。审稿默认 manual 模式，粘贴到任何免费模型就能用。

ARIS 科研 skills（在 claude 会话中使用）

命令	用途
/research-lit "主题"	多源文献调研（arXiv、Semantic Scholar、Web）
/idea-discovery "方向"	Idea 发现 → 头脑风暴 → 新颖性检查
/research-pipeline "方向"	全流程：文献 → idea → 实验 → 审稿 → 论文
/auto-review-loop "论文"	自动审稿 → 修改 → 再审循环
/paper-writing "报告"	论文写作：规划 → 图表 → LaTeX → PDF
/experiment-bridge	实验计划 → 代码实现 → 结果回收
/rebuttal "paper/ + reviews"	解析审稿意见 → 起草回复

80 个 skills 覆盖文献调研、idea 发现、实验规划、代码实现、自动审稿、论文写作、PPT 生成、专利撰写全流程。

验证脚本体系

核心工程分析

脚本	做什么
工程验证.py	热耦合、SNR、噪声预算、能量效率、参数灵敏度、D 维度缩放律
综合验证.py	8 子系统：3D 热学、TMM 光学、良率模型、制造可行性、竞争分析
第一性原理.py	从 Maxwell/Boltzmann 出发的五个物理定理推导
能量对比v2.py	5 种方案能耗对比（含量子拍频）
光电转换墙.py	DAC/ADC 功耗墙定量分析 — 响应光子计算能耗批评
材料局限性.py	材料四大局限分析
FDTD光学验证.py	MEEP 全波电磁仿真

材料源数据分析

脚本	做什么
材料源数据/吸收分析.py	乌尔巴赫带尾外推吸收系数
材料源数据/调制机制.py	三种调制机制速度对比（热/电子/量子拍频）
材料源数据/晶体结构分析.py	共晶结构对比与 χ⁽²⁾ 非线性分析
材料源数据/替代材料.py	14 种替代光热材料调研

MZI 波导网格仿真

Clements 酉分解 → SVD 矩阵乘法 → 保真度/热串扰分析，含四级验证测试。

怎么换新材料

这套链路是模块化的。换材料只需要三步：

1. 放数据：把新材料的吸收光谱/热分析数据放到 材料源数据/
2. 改参数：在对应脚本中替换材料常数（密度、分子量、带隙等）
3. 跑链路：

   吸收分析.py → 调制机制.py → 工程验证.py → 能量对比v2.py
   

4. （可选）用 ARIS 的 /research-lit 自动搜索新材料的竞品文献

能耗结论（DiSubPc·C70）

简化模型（光学主导）

方案	每 dot product 能耗	vs H100
DiSubPc·C70 自加热 @ 850nm	377,000 fJ	8×
DiSubPc·C70 外加热 @ 570nm	706,000 fJ	4×
TiO₂ 外加热 @ 570nm	693,000 fJ	4×
DiSubPc·C70 量子拍频 17.6 GHz	14,000 fJ	199×

H100 GPU: ~2,900,000 fJ/dot product

完整系统模型（含 DAC + TIA + ADC）

简化模型只算了激光、探测器和 ADC 本身。真实系统还需要 DAC（电信号 → 光调制，每行一个）和 TIA（跨阻放大器，每列一个）。加上这些之后：

时钟频率	场景	激光	DAC	TIA	ADC	总计	vs H100
0.04 GHz	经典热光	26 W	0.4 W	1 W	0.6 W	78 W	3×
0.24 GHz	激发态调制	26 W	3 W	2 W	4 W	85 W	17×
17.6 GHz	量子拍频	26 W	534 W	72 W	763 W	1445 W	72×

精度敏感性（量子拍频 17.6 GHz）：

ENOB	DAC+ADC	总计	vs H100
4-bit	81 W	229 W	452×
8-bit	1297 W	1445 W	72×
12-bit	20.7 kW	20.9 kW	5×

核心结论：

• 经典热光方案 vs H100 = 3-17×，不比 GPU 好多少。不是颠覆性技术。
• 量子拍频在简化模型中看起来是 199×，但加上电子接口后降到 72×。仍有数量级优势，但光电转换（DAC+ADC+TIA）吃掉总功耗的 90%。
• 如果模拟计算精度只能到 4-bit，只需低精度 DAC/ADC，优势反而更大（452×）。一旦要求 8-bit 以上，DAC/ADC 功耗指数爆炸。
• 知乎那篇文章的 "DAC/ADC 功耗墙" 批评经过定量验证，确实成立。但 72× 仍是数量级优势——前提是能在 4-6 bit 精度下工作，且找到方法绕开高速电光转换。

核心风险

1. 量子拍频 → 光调制未验证：论文只证明拍频产生热，未证明能调制光。这是整个量子路线的命门
2. 242°C 长期稳定性未知：MOESM7 只测了 45 分钟
3. 850nm 吸收系数不确定度 ~10×：α = 35-3500 cm⁻¹
4. dn/dT 非实测：用的是有机半导体典型值，非 DiSubPc·C70 数据

数据可信度

所有物理参数按来源分为四级：

等级	来源	示例
🟢 实测	MOESM7/8 实验数据	242°C 可达性、τ=4.2ns、17.6 GHz
🟡 文献值	已发表 SOI 平台数据	Si n=3.476、dn/dT=1.8×10⁻⁴
🟠 外推	乌尔巴赫带尾模型	850nm α≈350 cm⁻¹
🔴 估算	有机半导体典型值	dn/dT、热导率、热容

如果要做实验

分析只能走到这里。如果推进，三件事按优先级：

1. 泵浦-探测 @ 242°C：测 17.6 GHz 下的透射率振荡。量子路线的命门，过了继续，没过认清现实
2. dn/dT 实测 27→242°C：棱镜耦合仪 + 加热台。现在用的是同类材料典型值
3. 850nm 吸收系数直测：分光光度计 + 积分球。外推不确定度 10×

相关项目

解放碑 (Liberation Stele) — 如果一切按最好的情况发展，这个技术能走多远。行星级架构、太阳帆星座——不是可行性论证，是一份"如果物理允许，人类应该怎么做"的蓝图。

一个负责诚实地分析能不能做，一个负责大胆地想象做成了会怎样。

---

🤖 AI 辅助分析 · ARIS 自动化科研环境 · arXiv:2605.03042