加州大學(xué)洛杉磯分校建造出3D打印的全光學(xué)衍射深度神經(jīng)網(wǎng)絡(luò )

來(lái)自加州大學(xué)洛杉磯分校的研究人員使用3D打印機創(chuàng )建了一個(gè)人工神經(jīng)網(wǎng)絡(luò )，能夠分析大量數據并以光速識別物體。該系統被稱(chēng)為衍射式深度神經(jīng)網(wǎng)絡(luò )（D2NN）。它利用物體散射的光來(lái)識別物體。加州大學(xué)洛杉磯分校的研究人員基于基于深度學(xué)習的設計，使用無(wú)源衍射層一起工作。



研究人員首先創(chuàng )建了一個(gè)計算機模擬設計，然后使用3D打印機創(chuàng )建了薄薄的8厘米見(jiàn)方的聚合物晶圓。這些晶圓中的每一個(gè)都有不平整的表面，以幫助衍射來(lái)自物體的光線(xiàn)。

3D打印的晶圓使用太赫茲頻率進(jìn)行穿透。每一層都由數萬(wàn)個(gè)像素組成，光可以穿過(guò)這些像素。該設計為每一種類(lèi)型的物體分配了一個(gè)像素，來(lái)自物體的光會(huì )向分配給它的像素衍射。該技術(shù)使D2NN能夠在計算機看到物體所需的相同時(shí)間內識別物體。

該網(wǎng)絡(luò )被訓練成學(xué)習每個(gè)物體產(chǎn)生的衍射光，當該物體的光通過(guò)設備時(shí)，使用稱(chēng)為深度學(xué)習的AI分支。深度學(xué)習通過(guò)重復和隨著(zhù)時(shí)間的推移，隨著(zhù)模式的出現持續教導機器。在實(shí)驗過(guò)程中，該設備能夠準確識別手寫(xiě)的數字和衣服的類(lèi)目。

該設備還被訓練成一個(gè)成像鏡頭，類(lèi)似于典型的相機鏡頭的工作方式。由于該設備是使用3D打印機創(chuàng )建的，D2NN可以用更大的和額外的層來(lái)制作，從而形成一個(gè)擁有數億個(gè)人工神經(jīng)元的設備。更大的設備可以同時(shí)發(fā)現更多的物體，有可能進(jìn)行更復雜的數據分析。

D2NN的另一個(gè)關(guān)鍵優(yōu)勢是成本，研究人員表示，該設備的復制成本可以低于50美元。