बिना बिजली के ऑप्टिकल न्यूरल नेटवर्क: लेंस से प्रकाश पार करके तुरंत मैट्रिक्स गुणा कैसे करें

2018 में, UCLA में शिन लिन और अयदोगन ओज़कान के नेतृत्व वाली एक टीम ने साधारण प्लास्टिक से D²NN (डिफ्रेक्टिव डीप न्यूरल नेटवर्क) नामक एक ऑप्टिकल न्यूरल नेटवर्क को 3D-प्रिंट किया। इसमें सूक्ष्म संरचित सतहों वाली पांच प्लास्टिक प्लेटें शामिल हैं, जिन्हें टेराहर्ट्ज़ बीम (0.4 THz, तरंग दैर्ध्य 0.75 मिमी) में रखा गया है। प्रत्येक प्लेट न्यूरल नेटवर्क की एक परत के रूप में कार्य करती है: प्रत्येक सूक्ष्म पिक्सेल की मोटाई चरण बदलाव (वजन) निर्धारित करती है, प्लेटों के बीच विवर्तन पूर्ण कनेक्टिविटी को लागू करता है, और अंतिम हस्तक्षेप पैटर्न अंक वर्गीकरण के लिए प्रकाश को 10-क्षेत्र स्क्रीन पर केंद्रित करता है। नेटवर्क ने MNIST अंक पहचान में 91.75% सटीकता हासिल की। संचालन के दौरान, बिजली की आवश्यकता नहीं होती है - केवल एक प्रकाश स्रोत की आवश्यकता होती है। प्रशिक्षण बैकप्रोपेगेशन के माध्यम से GPU पर किया जाता है, फिर सीखे गए चरण मूल्यों को भौतिक मोटाई में परिवर्तित किया जाता है और 3D-प्रिंट किया जाता है। यह प्रणाली रेखीय है, जिसमें रेक्टिफाइड रैखिक इकाई (ReLU) जैसे गैर-रेखीय सक्रियण फलन का अभाव है; इलेक्ट्रो-ऑप्टिकल हाइब्रिड, टू-फोटोन अवशोषण, इलेक्ट्रोमैग्नेटिकली इंड्यूस्ड ट्रांसपेरेंसी, एकॉस्टो-ऑप्टिक्स जैसे विभिन्न दृष्टिकोणों की खोज की गई है, लेकिन उनमें से कोई भी व्यावसायिक प्रतिस्थापन तक नहीं पहुंचा है।