Mạng nơ-ron quang học không cần điện: cách truyền ánh sáng qua thấu kính để nhân ma trận tức thì

Năm 2018, một nhóm nghiên cứu do Xin Lin và Aydogan Ozcan dẫn đầu tại UCLA (Đại học California, Los Angeles) đã in 3D một mạng nơ-ron quang học có tên D²NN (Diffractive Deep Neural Network - Mạng nơ-ron sâu nhiễu xạ) từ nhựa thông thường. Hệ thống gồm năm tấm nhựa có bề mặt cấu trúc vi mô, được đặt trong một chùm tia terahertz (0,4 THz, bước sóng 0,75 mm). Mỗi tấm nhựa đóng vai trò như một lớp trong mạng nơ-ron: độ dày của từng điểm ảnh siêu nhỏ quyết định độ lệch pha (tương ứng với trọng số), hiện tượng nhiễu xạ giữa các tấm thực hiện chức năng kết nối đầy đủ, còn hình mẫu giao thoa cuối cùng sẽ hội tụ ánh sáng lên một màn hình chia thành 10 khu vực để phân loại chữ số. Mạng này đạt độ chính xác 91,75% trong nhiệm vụ nhận dạng chữ số MNIST. Trong quá trình vận hành, hệ thống không cần điện năng mà chỉ cần nguồn sáng. Việc huấn luyện được thực hiện trên GPU (bộ xử lý đồ họa) thông qua phương pháp lan truyền ngược (backpropagation), sau đó các giá trị pha đã học được chuyển đổi thành độ dày vật lý và in 3D. Hệ thống này mang tính tuyến tính, thiếu các hàm kích hoạt phi tuyến như ReLU (Rectified Linear Unit - đơn vị tuyến tính chỉnh lưu); nhiều hướng tiếp cận khác nhau (kết hợp điện-quang, hấp thụ hai photon, trong suốt cảm ứng điện từ, âm-quang học) đã được khám phá nhưng chưa có giải pháp nào đạt đến mức có thể thay thế trong ứng dụng thương mại.