美國加州大學(xué)洛杉磯分校的科學(xué)家利用光信息實現(xiàn)了神經(jīng)網(wǎng)絡(luò)計算，相較傳統(tǒng)電子器件，其處理速度接近光速，但準(zhǔn)確性有所降低。

神經(jīng)網(wǎng)絡(luò)以計算成本昂貴而著稱。但只有訓(xùn)練部分才會對大多數(shù)計算機硬件造成壓力，因為它涉及對性能的定期評估和不斷往返于內(nèi)存來調(diào)整其與人工神經(jīng)元之間的連接。相比之下，使用訓(xùn)練過的神經(jīng)網(wǎng)絡(luò)是一個簡單得多的過程，計算上并不復(fù)雜。事實上，可以在完全不同的硬件上運行訓(xùn)練和執(zhí)行階段。

而且在這兩種過程中，硬件方面似乎有相當(dāng)大的靈活性。例如，可以使用一種名為“memristor”的特殊內(nèi)存來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，或者使用定制的硅芯片來執(zhí)行訓(xùn)練過的神經(jīng)網(wǎng)絡(luò)?，F(xiàn)在，加州大學(xué)洛杉磯分校的研究人員完成了一項更激進(jìn)的研究。在用傳統(tǒng)的計算硬件訓(xùn)練了神經(jīng)網(wǎng)絡(luò)之后，他們3D打印出一組面板來操縱光，其操縱效果等同于使用神經(jīng)網(wǎng)絡(luò)來處理信息。最后，研究人員以光速實現(xiàn)了神經(jīng)網(wǎng)絡(luò)計算，盡管計算精度與傳統(tǒng)硬件相比有所降低。

那么如何使用光來實現(xiàn)神經(jīng)網(wǎng)絡(luò)？要理解這一點，必須了解深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。在每一層神經(jīng)網(wǎng)絡(luò)中，來自上一層神經(jīng)網(wǎng)絡(luò)的信號（或來自源輸入）由“神經(jīng)元”處理，然后接收結(jié)果并將正向信號轉(zhuǎn)發(fā)給下一層的神經(jīng)元。它們發(fā)送給神經(jīng)元以及它們傳遞的信號有多強取決于它們所接受的訓(xùn)練。

為了利用光，加州大學(xué)洛杉磯分校團(tuán)隊創(chuàng)造了一種半透明的、可折射的面板。當(dāng)光射向它時，面板的精細(xì)結(jié)構(gòu)決定了光穿過的距離和方向。如果在第一層面板后面放置另一層相同的面板，它將繼續(xù)把光重定向到特定的位置。這在原則上與深度學(xué)習(xí)網(wǎng)絡(luò)的工作方式相似，即網(wǎng)絡(luò)的每一層都將信號重定向到下一層的特定位置。

實際上，研究人員訓(xùn)練了一個神經(jīng)網(wǎng)絡(luò)，識別出它與下層之間的聯(lián)系，然后將這些聯(lián)系轉(zhuǎn)化為面板的結(jié)構(gòu)特征，并以類似的方式引導(dǎo)光。通過打印一系列的面板，光會逐漸集中在一個特定區(qū)域。通過在最后一層面板后面的特定位置放置探測器，他們就能知道光的最終去向。而且，如果一切都得到恰當(dāng)處理，光的終點就能代表神經(jīng)網(wǎng)絡(luò)的處理結(jié)果。

研究人員嘗試了兩種不同類型的圖像識別任務(wù)。首先，他們訓(xùn)練神經(jīng)網(wǎng)絡(luò)來識別手寫數(shù)字，然后他們翻譯并打印出適合10個光電探測器的網(wǎng)格來記錄輸出。這是通過一個五層神經(jīng)網(wǎng)絡(luò)完成的，研究人員及時打印出五層光控制材料。為了給神經(jīng)網(wǎng)絡(luò)提供輸入，他們還打印了一張表格，讓他們將被識別的對象投影到神經(jīng)網(wǎng)絡(luò)的第一層。

當(dāng)加州大學(xué)洛杉磯分校的研究人員用手寫數(shù)字做這個實驗時，他們遇到了一個問題：許多數(shù)字（如0和9）的開放區(qū)域被書寫的數(shù)字部分所包圍。為了讓3D打印出能投射數(shù)字形狀的掩模，必須將它轉(zhuǎn)換成用一個由開放空間包圍的填充區(qū)域的底片。這對于3D打印是相當(dāng)困難的，因為至少須使用一些材料來保持填入的區(qū)域與屏幕的其他部分相連。他們懷疑，這降低了識別任務(wù)的準(zhǔn)確性。不過，他們的準(zhǔn)確率還是達(dá)到了90%以上。

他們在對衣物進(jìn)行類似測試時甚至做得更好。雖然總準(zhǔn)確率只有86%，但在運行神經(jīng)網(wǎng)絡(luò)軟件與在光線下運行神經(jīng)網(wǎng)絡(luò)的區(qū)別較小。研究人員推測，性能上的差異主要歸結(jié)于這樣一個事實，即完整的性能要求神經(jīng)網(wǎng)絡(luò)的所有層之間進(jìn)行極其精確的對齊，而當(dāng)這些層是小的物理層時，則很難排列。這也可以解釋為什么在基于光的神經(jīng)網(wǎng)絡(luò)中添加更多的層對準(zhǔn)確度稍有影響。

總的來說，這項工作非常令人印象深刻。雖然性能低于基于計算機的方法，但研究人員推測，至少有些問題是可以通過開發(fā)更好的系統(tǒng)來調(diào)整構(gòu)成網(wǎng)絡(luò)不同層的工作層進(jìn)行對齊，盡管這個挑戰(zhàn)會隨著神經(jīng)網(wǎng)絡(luò)中層數(shù)的增加而加大?？蒲腥藛T認(rèn)為它可能在實踐中有用，他們強調(diào)，使用光計算的速度非?？欤掖蠖鄶?shù)光源的功率都非常低。

但確實存在一些實際障礙。這種材料只適用于單一波長的光，這意味著不能僅僅把任何東西放到系統(tǒng)就期望它能工作。目前，這由投影系統(tǒng)來保證，但是這依賴于3D打印一張紙來投影特定形狀，這并不是一個高效的過程。用一種單色投影儀系統(tǒng)來代替是可能的，但不清楚分辨率對系統(tǒng)精度的影響有多大。所以在知道這類系統(tǒng)是否有實際應(yīng)用之前還有一些工作要做。