放弃电子，使用光子，深度学习神经网络迎来变革？

加州大学洛杉矶分校的研究人员创造了一个独特的全光学平台，以光速执行机器学习任务。这是一个新颖的想法，使用光线通过多个板而不是电子衍射。对某些人来说，这可能看起来有点像用算盘替换计算机，但加州大学洛杉矶分校的研究人员对他们的古怪，闪亮，光速的人工神经网络寄予厚望。

Deep Learning是由Rina Dechter于1986年创造的，它是机器学习领域发展最快的方法之一，常用于面部，语音和音频识别，语言处理，社交网络过滤和医学图像分析以及更具体的解决方案。任务，例如解决逆成像问题。传统上，深度学习系统在计算机上实现，以学习数据表示和抽象并执行任务，与人类的表现相当或更好。

然而，由加州大学洛杉矶分校电气和计算机工程教授Aydogan Ozcan博士领导的团队并没有使用传统的计算机设备，放弃所有那些需要耗费能量的电子，转而使用光波。结果是其全光学衍射深度神经网络（D2NN）架构。

该设置使用3D打印的半透明薄片，每个薄片具有数千个凸起像素，这些薄片通过每个面板偏转光线以执行设定任务。顺便说一下，除了输入光束之外，这些任务是在不使用任何功率的情况下，以光速执行图像分析，特征检测和对象分类。该团队的研究人员还设想了D2NN架构在摄像机中执行专门任务的可能性。

使用逐层制造的无源元件，并通过光衍射将这些层相互连接，创造了一个独特的全光平台，以光速执行机器学习任务。但就目前而言，这是一个概念证明，但它为机器学习行业提供了一些独特的机会。 

本文为机器人网原创文章，禁止转载。请尊重知识产权，违者本司保留追究责任的权利。