衍射光学神经网络可以满足巨大的数据需求

新研究发现，一种使用光子而不是电子的模拟大脑的神经网络，可以通过使用数千种波长的光同时运行许多计算，快速分析大量数据。

人工神经网络在分析医学扫描和支持自动驾驶汽车等应用中的应用越来越广泛。在这些人工智能系统中，组件（也称为神经元）被输入数据并合作解决问题，例如识别人脸。如果神经网络具有多层神经元，则称其为“深层”。

随着神经网络的规模和功率的增长，当在传统电子设备上运行时，它们越来越需要能量。这就是为什么一些科学家一直在研究光学计算作为一种有前途的下一代人工智能媒介。这种方法使用光而不是电来执行计算，比电子计算方法更快，功耗更低。

例如，衍射光学神经网络由一堆层组成，每个层都有数千个像素，可以衍射或散射光。这些衍射特征充当神经网络中的神经元。深度学习用于设计每一层，因此当以光的形式的输入照射到堆栈上时，输出光对来自图像分类或图像重建等复杂任务的数据进行编码。这项研究的资深作者、加州大学洛杉矶分校的光学工程师Aydogan Ozcan表示，所有这些计算“除了照明光之外，不消耗电力”。

这种衍射网络可以以光速分析大量数据，以执行诸如识别物体的任务。例如，它们可以帮助自动驾驶车辆立即识别行人或交通标志，或者帮助医疗诊断系统快速识别疾病证据。传统的电子设备需要首先对这些物体进行成像，然后将这些信号转换成数据，最后运行程序来确定这些物体是什么。相比之下，衍射网络只需要接收从那些能够识别物体的物体反射或以其他方式到达的光，因为来自该物体的光大部分被衍射到分配给该类物体的单个像素。

此前，Ozcan和他的同事使用一系列使用3D打印制造的64平方厘米薄聚合物晶片设计了单色衍射网络。当用单个波长或颜色的光照射时，该衍射网络可以实现单个矩阵乘法运算。这些计算涉及到将被称为矩阵的数字网格相乘，是许多计算任务的关键，包括操作神经网络。

现在，研究人员开发了一种宽带衍射光学处理器，它可以同时接受多个输入波长的光，进行多达数千次“以光速同时执行”的矩阵乘法运算。

在这项新的研究中，科学家们3D打印了三个衍射层，每个衍射层具有14400个衍射特征。他们的实验表明，衍射网络可以使用两个亚毫米波长的太赫兹频率信道成功运行。他们的计算机模型表明，这些衍射网络可以同时接受大约2000个波长信道。

Ozcan说：“我们通过采用波长复用的方案，证明了大规模并行光学计算的可行性”。

科学家们指出，使用可见光和太赫兹以外的其他频率的光构建衍射网络应该是可能的。这种光学神经网络也可以由多种材料和技术制造。

总之，它们可能会在各个领域找到应用，例如生物医学成像、遥感、分析化学和材料科学。

相关链接：https://www.spiedigitallibrary.org/journals/Advanced-Photonics/volume-5/issue-01/016003/Massively-parallel-universal-linear-transformations-using-a-wavelength-multiplexed-diffractive/10.1117/1.AP.5.1.016003.full?SSO=1%20