來自加州大學(xué)洛杉磯分校的研究人員使用3D打印機創(chuàng)建了一個人工神經(jīng)網(wǎng)絡(luò)，能夠分析大量數(shù)據(jù)并以光速識別物體。該系統(tǒng)被稱為衍射式深度神經(jīng)網(wǎng)絡(luò)（D2NN）。它利用物體散射的光來識別物體。加州大學(xué)洛杉磯分校的研究人員基于基于深度學(xué)習(xí)的設(shè)計，使用無源衍射層一起工作。



研究人員首先創(chuàng)建了一個計算機模擬設(shè)計，然后使用3D打印機創(chuàng)建了薄薄的8厘米見方的聚合物晶圓。這些晶圓中的每一個都有不平整的表面，以幫助衍射來自物體的光線。

3D打印的晶圓使用太赫茲頻率進(jìn)行穿透。每一層都由數(shù)萬個像素組成，光可以穿過這些像素。該設(shè)計為每一種類型的物體分配了一個像素，來自物體的光會向分配給它的像素衍射。該技術(shù)使D2NN能夠在計算機看到物體所需的相同時間內(nèi)識別物體。

該網(wǎng)絡(luò)被訓(xùn)練成學(xué)習(xí)每個物體產(chǎn)生的衍射光，當(dāng)該物體的光通過設(shè)備時，使用稱為深度學(xué)習(xí)的AI分支。深度學(xué)習(xí)通過重復(fù)和隨著時間的推移，隨著模式的出現(xiàn)持續(xù)教導(dǎo)機器。在實驗過程中，該設(shè)備能夠準(zhǔn)確識別手寫的數(shù)字和衣服的類目。

該設(shè)備還被訓(xùn)練成一個成像鏡頭，類似于典型的相機鏡頭的工作方式。由于該設(shè)備是使用3D打印機創(chuàng)建的，D2NN可以用更大的和額外的層來制作，從而形成一個擁有數(shù)億個人工神經(jīng)元的設(shè)備。更大的設(shè)備可以同時發(fā)現(xiàn)更多的物體，有可能進(jìn)行更復(fù)雜的數(shù)據(jù)分析。

D2NN的另一個關(guān)鍵優(yōu)勢是成本，研究人員表示，該設(shè)備的復(fù)制成本可以低于50美元。