由一系列聚合物层组成的网络，使用穿过它的光。每层是8厘米的正方形。Ozcan研究小组/ UCLA
UCLA电气和计算机工程师团队创建了一种物理人工神经网络 - 一种用于如何为人类脑域作品的设计 - 可以分析大量数据并以实际光速识别对象。该设备是在UCLA Samueli工程学院的3D打印机创建的。
今天日常生活中的许多设备使用计算机化的相机来识别对象 - 当您存入检查或可以将照片匹配到其数据库中的其他类似图像的互联网搜索引擎时，可以“读取”手写美元金额的自动柜员机。但这些系统依赖一块设备来映像对象，首先通过相机或光学传感器“看到”它，然后将其所看到的数据处理到数据中，最后使用计算程序来淘汰它所的计算程序。
光学神经网络的原理图：数字“5”作为光信号发送通过由人工神经元组成的层。当它传播层次时，这种光线会反弹，但是当它出口时，探测器只能拾取最亮的信号，仅查找“5”。Ozcan研究小组/ UCLA
UCLA开发的设备始终开始。它被称为“衍射深神经网络”，它使用从对象本身弹跳的光，以便在只需要一点时间内识别该对象，因为它需要一个计算机即可“看到”对象。UCLA设备不需要高级计算程序来处理对象的图像并决定对象在其光学传感器拾取后的内容。没有消耗能量来运行设备，因为它只使用光的衍射。
基于设备的新技术可用于加快涉及排序和识别对象的数据密集型任务。例如，使用该技术的无人驾驶汽车可能会瞬时反应 - 甚至比使用当前技术的速度更快 - 到停止标志。使用基于UCLA系统的设备，汽车将“读取”标志，只要来自标志的光点击它，而不是必须为汽车的相机“等待”来映像对象，然后使用其计算机p out对象是什么。
基于本发明的技术也可用于微观成像和药物，例如，根据数百万个细胞进行疾病的迹象。
该研究于7月26日在线发表。
“这项工作开辟了使用人工智能的无源设备即时分析数据，图像和分类对象的基本新的机会，”Aydogan ozcan，该研究的主要调查员和UCLA校长的电气计算机工程教授。“该光学人工神经网络设备直观地建模了大脑处理信息的信息。可以扩展它以实现新的摄像机设计和独特的光学组件，可在医疗技术，机器人，安全性或任何应用程序中被动地工作，其中图像和视频数据至关重要。“
创建人工神经网络的过程开始使用计算机模拟设计。然后，研究人员使用3D打印机来产生非常薄的8厘米方形的聚合物晶片。每个晶片具有不均匀的表面，这有助于衍射来自不同方向的物体的光。这些层看起来对眼睛看起来不透明，但实验中使用的光的亚瑟波长太太频率可以穿过它们。并且每层由数万人的人工神经元组成 - 在这种情况下，光线通过的微小像素。
一系列像素化层一起用作“光网络”，其形状如何通过它们传播来自物体的光线。网络识别对象，因为来自对象的光大多朝向分配给该类型对象的单个像素衍射。
然后，研究人员使用计算机训练网络来识别它前面的物体，通过学习衍射光的图案，每个物体产生从该物体通过装置的光产生。“培训”使用了一个人工智能的分支，称为深度学习，通过重复而随着时间的推移，通过重复和随着时间的推移，从中“学习”。
“这正像是一个非常复杂的玻璃和镜子迷宫，”奥兹卡纳说。“光进入衍射网络并在迷宫周围反弹，直到它出口。系统确定对象是由大多数光最终退出的东西。“
在实验中，研究人员证明了该装置可以准确地识别手写数量和服装物品 - 这两者都是人工智能研究中的常用测试。为此，它们将图像放在太赫兹光源前面，并通过光学衍射使设备“参见”这些图像。
它们还培训了该设备作为镜头，将放置在光网络前面的物体的图像投射到它的另一侧 - 就像典型的相机镜头如何工作，但使用人工智能而不是物理。
因为它的组件可以由3D打印机创建，所以人工神经网络可以用更大和额外的层制造，导致具有数百百万的人造神经元的装置。这些更大的设备可以同时识别更多对象或执行更复杂的数据分析。组件可以廉价地制造 - UCLA团队创建的设备可以再现不到50美元。
虽然研究在太赫兹频率中使用了光线，但奥兹卡纳表示还可以创建使用可见光，红外或其他光频率的神经网络。他说，还可以使用光刻或其他印刷技术进行网络。
该研究的其他作者来自UCLA Samueli，都是博士后学者兴林，亚金里夫森和尼祖·尤马尼研究生Muhammed Veli和Yi Luo;和Mona Jarrahi，UCLA电气计算机工程教授。
该研究得到了国家科学基金会和Howard Hughes医学院的支持。Ozcan还在UCLA大卫·佩芬医学院的生物工程和手术中拥有UCLA教职员工。他是UCLA加州纳斯系统研究所和HHMI教授的副主任。
出版物：Xing Lin，等，“使用衍射深神经网络的全光机学习”2018年7月26日：EAAT8084; DOI：10.1126 / science.aat8084.
