Redes neuronales ópticas sin electricidad: cómo hacer pasar luz por una lente para multiplicar matrices al instante

En 2018, un equipo liderado por Xin Lin y Aydogan Ozcan en UCLA imprimió en 3D una red neuronal óptica llamada D²NN (Red Neuronal Difractiva Profunda) a partir de plástico común. Consiste en cinco placas de plástico con superficies microestructuradas colocadas en un haz de terahercios (0,4 THz, longitud de onda 0,75 mm). Cada placa actúa como una capa de la red neuronal: el grosor de cada píxel microscópico determina el cambio de fase (peso), la difracción entre placas implementa la conectividad completa, y el patrón de interferencia final enfoca la luz en una pantalla de 10 sectores para la clasificación de dígitos. La red logró una precisión del 91,75% en el reconocimiento de dígitos del conjunto de datos MNIST. Durante su funcionamiento, no se necesita electricidad, solo una fuente de luz. El entrenamiento se realiza en GPU mediante retropropagación, y luego los valores de fase aprendidos se convierten en grosor físico y se imprimen en 3D. El sistema es lineal y carece de funciones de activación no lineales como ReLU; se han explorado diversos enfoques (híbridos electroópticos, absorción de dos fotones, transparencia inducida electromagnéticamente, acustoóptica) pero ninguno ha llegado a reemplazar comercialmente a los sistemas existentes.