UCLA建造出3D打印的全光学衍射深度神经网络

来自加州大学洛杉矶分校的研究人员使用3D打印机创建了一个人工神经网络，能够分析大量数据并以光速识别物体。该系统被称为衍射式深度神经网络（D2NN）。它利用物体散射的光来识别物体。加州大学洛杉矶分校的研究人员基于基于深度学习的设计，使用无源衍射层一起工作。

研究人员首先创建了一个计算机模拟设计，然后使用3D打印机创建了薄薄的8厘米见方的聚合物晶圆。这些晶圆中的每一个都有不平整的表面，以帮助衍射来自物体的光线。

3D打印的晶圆使用太赫兹频率进行穿透。每一层都由数万个像素组成，光可以穿过这些像素。该设计为每一种类型的物体分配了一个像素，来自物体的光会向分配给它的像素衍射。该技术使D2NN能够在计算机看到物体所需的相同时间内识别物体。

该网络被训练成学习每个物体产生的衍射光，当该物体的光通过设备时，使用称为深度学习的AI分支。深度学习通过重复和随着时间的推移，随着模式的出现持续教导机器。在实验过程中，该设备能够准确识别手写的数字和衣服的类目。

该设备还被训练成一个成像镜头，类似于典型的相机镜头的工作方式。由于该设备是使用3D打印机创建的，D2NN可以用更大的和额外的层来制作，从而形成一个拥有数亿个人工神经元的设备。更大的设备可以同时发现更多的物体，有可能进行更复杂的数据分析。

D2NN的另一个关键优势是成本，研究人员表示，该设备的复制成本可以低于50美元。

(7658567)