加州大学洛杉矶分校创建的3D打印全光学衍射深度神经网络

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。该系统称为衍射深度神经网络(D2NN)。它使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将该系统建立在基于深度学习的设计之上，使用被动衍射层协同工作。研究人员首先创建了一个计算机模拟设计，然后使用 3D 打印机创建了薄的 8 厘米见方的聚合物晶片。这些晶片中的每一个都有不平坦的表面，以帮助衍射来自物体的光。

的3D印刷过的硅片在使用太赫兹频率穿透。每一层都由数万个光可以穿过的像素组成。该设计为每种类型的物体分配了一个像素，来自物体的光线向已分配给其类型的像素衍射。该技术允许 D2NN 在与计算机查看对象相同的时间内识别对象。

该网络经过训练，可以使用称为深度学习的 AI 分支来学习每个对象在来自该对象的光穿过设备时产生的衍射光。随着模式的出现，深度学习通过重复和随着时间的推移教机器。在实验过程中，该设备能够准确识别手写数字和衣物。

该设备还被训练用作成像镜头，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，因此 D2NN 可以使用更大的附加层制成，从而使设备具有数亿个人工神经元。更大的设备可以同时找到更多的物体，并有可能执行更复杂的数据分析。D2NN 的另一个关键方面是成本，研究人员表示，该设备的复制成本不到 50 美元。