用光代替电子实现的神经网络，可以做基本的性格和对象的识别

用光代替电子实现的神经网络，可以做基本的性格和对象的识别

神经网络在计算上是很昂贵的名声。但是，只有训练部分真正强调了大多数计算机硬件，因为它包括定期评估性能和经常往返记忆，以调整其人工神经元之间的连接。相比之下，使用经过训练的神经网络是一个简单得多的过程，它几乎不像计算复杂。事实上，训练和执行阶段可以在完全不同的硬件上执行。在这两个过程中，硬件中似乎有一个相当小的灵活性。

那么，如何使用光实现一个神经网络呢？要理解这一点，你必须了解一个深层学习神经网络的结构。在每一层中，较早的信号(或来自源的输入)由“神经元”处理，然后将结果和转发信号传递给下一层的神经元，他们发送的神经元和他们传递的信号有多强取决于他们所经历的训练。为了做到这一点，加州大学洛杉矶分校的团队创造了一个半透明的，折射的表面。

实际上，研究人员训练了一个神经网络，确定了它与它下面的层之间的连接，然后将它们翻译成表面特征，以类似的方式指示光线。通过印刷一系列这些层，光将逐渐集中在一个特定的区域。通过将探测器放置在最终层后面的特定位置，他们就能辨别出光线的终点。如果一切都做得很好，光最终会告诉我们神经网络的决定。作者尝试了这两种不同类型的图像识别任务。

当加州大学洛杉矶分校的研究人员用手写的数字进行这一操作时，他们遇到了一个问题:许多数字(如0和9)都有开放区域，被数字的书面部分所包围。要3D打印在数字形状中投射光线的掩码，必须将其转换为负值，填充区域被开放空间包围。这是相当困难的3D打印，因为至少有些材料必须被用来保持填充区域附加到屏幕的其余部分，他们怀疑这会降低识别任务的准确性。尽管如此，他们还是管理了超过90的准确性。