電気を使わない光ニューラルネットワーク：レンズに光を通して行列を瞬時に掛け算する方法
University of California, Los Angeles
2018年、UCLAの研究グループは通常のプラスチックから回折型ディープニューラルネットワーク（D²NN）を3Dプリントしました。5枚のプラスチック板が光の回折を利用して行列の掛け算を行い、手書き数字認識において91.75%の精度を達成しました。これは製造後は電気を一切使いません。トレーニングはGPUで行われ、その後、重みは板の形状に固定されます。
2018年，由Xin Lin和Aydogan Ozcan领导的加州大学洛杉矶分校团队，利用3D打印技术，用普通塑料制作了一个名为D²NN（衍射深度神经网络）的光学神经网络。该系统由五个具有微结构表面的塑料板组成，放置在太赫兹光束（0.4太赫兹，波长0.75毫米）中。每个板充当神经网络的一层：每个微观像素的厚度决定了相移（权重），板间的衍射实现了完全连接，最终的干涉图案将光聚焦到10扇区屏幕上，用于数字分类。该系统在MNIST数字识别上达到了91.75%的准确率。在操作过程中，不需要电力，只需要光源。训练在GPU上通过反向传播进行，然后将学习到的相位值转换为物理厚度并进行3D打印。该系统是线性的，缺乏如ReLU这样的非线性激活函数；已经探索了各种方法（电光混合、双光子吸收、电磁感应透明、声光效应等），但尚未达到商业替代的水平。
出典: Habr — хаб ML —
原文