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)稱為衍射深度神經(jīng)網(wǎng)絡(luò)(D2NN)。它使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將該系統(tǒng)建立在基于深度學(xué)習(xí)的設(shè)計之上，使用被動衍射層協(xié)同工作。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)建了薄的 8 厘米見方的聚合物晶片。這些晶片中的每一個都有不平坦的表面，以幫助衍射來自物體的光。

的3D印刷過的硅片在使用太赫茲頻率穿透。每一層都由數(shù)萬個光可以穿過的像素組成。該設(shè)計為每種類型的物體分配了一個像素，來自物體的光線向已分配給其類型的像素衍射。該技術(shù)允許 D2NN 在與計算機查看對象相同的時間內(nèi)識別對象。

該網(wǎng)絡(luò)經(jīng)過訓(xùn)練，可以使用稱為深度學(xué)習(xí)的 AI 分支來學(xué)習(xí)每個對象在來自該對象的光穿過設(shè)備時產(chǎn)生的衍射光。隨著模式的出現(xiàn)，深度學(xué)習(xí)通過重復(fù)和隨著時間的推移教機器。在實驗過程中，該設(shè)備能夠準確識別手寫數(shù)字和衣物。

該設(shè)備還被訓(xùn)練用作成像鏡頭，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，因此 D2NN 可以使用更大的附加層制成，從而使設(shè)備具有數(shù)億個人工神經(jīng)元。更大的設(shè)備可以同時找到更多的物體，并有可能執(zhí)行更復(fù)雜的數(shù)據(jù)分析。D2NN 的另一個關(guān)鍵方面是成本，研究人員表示，該設(shè)備的復(fù)制成本不到 50 美元。