新研究發現，一種使用光子而不是電子的模擬大腦的神經網絡，可以通過使用數千種波長的光同時運行許多計算，快速分析大量數據。

人工神經網絡在分析醫學掃描和支持自動駕駛汽車等應用中的應用越來越廣泛。在這些人工智能系統中，組件（也稱為神經元）被輸入數據并合作解決問題，例如識別人臉。如果神經網絡具有多層神經元，則稱其為“深層”。

隨著神經網絡的規模和功率的增長，當在傳統電子設備上運行時，它們越來越需要能量。這就是為什么一些科學家一直在研究光學計算作為一種有前途的下一代人工智能媒介。這種方法使用光而不是電來執行計算，比電子計算方法更快，功耗更低。

例如，衍射光學神經網絡由一堆層組成，每個層都有數千個像素，可以衍射或散射光。這些衍射特征充當神經網絡中的神經元。深度學習用于設計每一層，因此當以光的形式的輸入照射到堆棧上時，輸出光對來自圖像分類或圖像重建等復雜任務的數據進行編碼。這項研究的資深作者、加州大學洛杉磯分校的光學工程師Aydogan Ozcan表示，所有這些計算“除了照明光之外，不消耗電力”。

這種衍射網絡可以以光速分析大量數據，以執行諸如識別物體的任務。例如，它們可以幫助自動駕駛車輛立即識別行人或交通標志，或者幫助醫療診斷系統快速識別疾病證據。傳統的電子設備需要首先對這些物體進行成像，然后將這些信號轉換成數據，最后運行程序來確定這些物體是什么。相比之下，衍射網絡只需要接收從那些能夠識別物體的物體反射或以其他方式到達的光，因為來自該物體的光大部分被衍射到分配給該類物體的單個像素。

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設計了單色衍射網絡。當用單個波長或顏色的光照射時，該衍射網絡可以實現單個矩陣乘法運算。這些計算涉及到將被稱為矩陣的數字網格相乘，是許多計算任務的關鍵，包括操作神經網絡。

現在，研究人員開發了一種寬帶衍射光學處理器，它可以同時接受多個輸入波長的光，進行多達數千次“以光速同時執行”的矩陣乘法運算。

在這項新的研究中，科學家們3D打印了三個衍射層，每個衍射層具有14400個衍射特征。他們的實驗表明，衍射網絡可以使用兩個亞毫米波長的太赫茲頻率信道成功運行。他們的計算機模型表明，這些衍射網絡可以同時接受大約2000個波長信道。

Ozcan說：“我們通過采用波長復用的方案，證明了大規模并行光學計算的可行性”。

科學家們指出，使用可見光和太赫茲以外的其他頻率的光構建衍射網絡應該是可能的。這種光學神經網絡也可以由多種材料和技術制造。

總之，它們可能會在各個領域找到應用，例如生物醫學成像、遙感、分析化學和材料科學。

審核編輯 ：李倩