Redes neurais ópticas sem eletricidade: como passar luz por uma lente para multiplicar matrizes instantaneamente

Em 2018, uma equipe liderada por Xin Lin e Aydogan Ozcan, da UCLA, imprimiu em 3D uma rede neural óptica chamada D²NN (Rede Neural Profunda Difrativa) a partir de plástico comum. Ela consiste em cinco placas de plástico com superfícies microestruturadas colocadas em um feixe de terahertz (0,4 THz, comprimento de onda de 0,75 mm). Cada placa atua como uma camada de rede neural: a espessura de cada pixel microscópico determina a mudança de fase (peso), a difração entre placas implementa conectividade total, e o padrão de interferência final foca a luz em uma tela de 10 setores para classificação de dígitos. A rede alcançou 91,75% de precisão no reconhecimento de dígitos MNIST. Durante a operação, não é necessária eletricidade—apenas uma fonte de luz. O treinamento é realizado em GPU via retropropagação, e então os valores de fase aprendidos são convertidos em espessura física e impressos em 3D. O sistema é linear, faltando funções de ativação não lineares como ReLU; várias abordagens (híbridos eletro-ópticos, absorção de dois fótons, transparência eletromagneticamente induzida, acusto-óptica) foram exploradas, mas nenhuma chegou a substituição comercial.