光学学报 丨 2024-01-11
分布式光纤传感技术研究和应用的现状及未来中国激光 丨 2024-01-24
光量子精密测量研究进展(特邀)光学学报 丨 2024-02-23
水下轨道角动量光通信中国激光 丨 2024-01-24
超构表面:设计原理与应用挑战(特邀)激光与光电子学进展 丨 2024-01-29
窄线宽激光技术研究进展(特邀)深度学习(Deep Learning)是近年来发展最快的机器学习(Machine Learning)方法之一,它在计算机中使用多层人工神经网络(Artificial Neural Networks)来数字化地学习数据、抽象,并执行高级任务,其性能相当甚至优于人类专家。现有的深度学习主要借助于高性能的计算机和虚拟算法,而集成电路在运算速度上的瓶颈将有可能成为限制深度学习的性能提升。最近,来自美国加州大学洛杉矶分校的研究团队提出了一种全光学的深度学习框架——衍射深度神经网络(Diffractive Deep Neural Network,D2NN),该架构采用基于深度学习算法的无源衍射层(passive diffractive layers)设计,经误差反向传播法(error back-propagation method)训练后,能够以接近光速的高速处理能力,实现多种机器学习的复杂功能。该团队采用3D打印出的D2NN光学架构,实现了手写数字和时尚产品的图像分类,并且在太赫兹光谱下实现成像功能。该研究所提出的全光学深度学习框架,可以在光速下执行基于计算机的神经网络可以实现的各种复杂功能,并且可以在全光学图像分析、特征检测和物体分类中得以应用,同时还可以完成新型相机的设计,制造出实现深度学习任务的光学元件。相关工作发表在近期的《Science》杂志上。
来源:两江科技评论