新的研究拓寬了關於什麼是”計算機”以及一個計算單元可以有多小的視角。當我們把”計算機”定義為任何通過輸入和輸出處理信息的設備時，就會產生這樣的問題：什麼物體可以進行這些計算，這些計算機可以有多小。隨著晶體管達到微型化的極限，找到這些問題的答案變得至關重要，因為它們可能帶動新計算模式的發展。

一項新的研究表明，即使是物質的最基本構成部分–原子，也可以作為一個計算庫，所有的輸入和輸出處理都可以通過光學手段進行。

在路易斯安那州新奧爾良市杜蘭大學的研究人員發表在EPJ Plus上的一項新研究中，杰拉德-麥考爾和他的團隊證明了原子，物質的最基本構成單位之一可以作為一個計算的存儲庫，所有的輸入輸出處理都是以光學方式完成的。

麥考爾說：”我們有一個想法，即計算能力是所有物理系統共享的普遍屬性，但在這個範式中，對於如何實際嘗試進行計算，存在著大量的框架。”

他補充說，這些框架中最重要的一個是神經形態或水庫計算，神經形態計算機的目的是模仿大腦。這一概念是過去幾十年來機器學習和人工智能爆炸性發展的基礎，並催生了潛在的非線性計算機，在這種情況下，輸出與輸入不成正比。但這是可取的，因為它可以導致一個足夠靈活的計算架構，只要有合適的輸入，任何給定的輸出都可以實現。

“也就是說，如果我們想要一些給定的計算結果，我們可以保證存在一些能夠實現該結果的計算輸入，”麥考爾說。”如果我們的系統只表現出一種線性響應，那這就是不可能的。”

該團隊提出了一種非線性單原子計算機，其輸入信息直接編碼為光，輸出也是以光的形式，然後通過光的輸出所經過的過濾器來決定計算結果。

“我們的研究證實了這種方法在原則上是可行的，同時也證實了這樣一個事實：當輸入的光被設計成在系統中誘發更高的非線性時，系統的表現更好，”麥考爾說。”我可能會認為，我們通過這項工作試圖強調的是，能夠進行計算的最小系統確實存在於單個原子的水平上，而且計算可以純粹用光學過程進行。”