全前向模式 (Fully Forward Mode，FFM) 是一种用于训练光学神经网络的方法，它由清华大学戴琼海院士、方璐教授的研究团队于 2024 年提出。相关论文是「Fully forward mode training for optical neural networks」，该论文详细介绍了 FFM 方法的原理、实现和应用，展示了其在不同光学系统训练中的有效性和优越性能 。这一研究成果在 2024 年被发表在《Nature》杂志上，标志着在光学计算和人工智能领域的一个重大突破 。

这种方法利用光子传播的对称性，将神经网络训练中的前向和反向传播都等效为光的前向传播，从而开发出了一种高效的光学神经网络训练方式。通过 FFM 学习，研究人员能够训练具有数百万参数的深层光学神经网络 (ONNs) ，并实现超敏感的感知和高效率的全光学处理。