研究人員使用計算機對網絡進行訓練，通過學習每個物體在該物體發(fā)出的光線穿過設備時產生的衍射光圖案來識別其前面的物體。 “訓練”使用了一種稱為深度學習的人工智能分支，其中機器通過重復和隨著時間的推移“學習”模式出現(xiàn)。“使用逐層制造的無源元件，并通過光衍射將這些層相互連接，創(chuàng)造了一個獨特的全光平臺，以光速執(zhí)行機器學習任務?！監(jiān)zcan博士說。

       在他們的實驗中，研究人員證明該裝置可以準確識別手寫的數(shù)字和衣物，這兩種都是人工智能研究中常用的測試。它還可以在太赫茲光譜上執(zhí)行成像鏡頭的功能。加州大學洛杉磯分校的研究人員認為，基于該設備的新技術可用于加速涉及排序和識別物體的數(shù)據密集型任務。例如，使用該技術的無人駕駛汽車可以立即做出反應，甚至比使用現(xiàn)有技術更快，對停車標志做出反應。使用基于UCLA系統(tǒng)的設備，一旦來自標志的光擊中它，汽車將“讀取”標志，而不是必須“等待”汽車的相機對物體成像然后使用其計算機來找出對象是什么。基于本發(fā)明的技術還可以用于顯微成像和醫(yī)學，例如，用于分選數(shù)百萬個細胞以尋找疾病的跡象。

       由于其組件可以由3D打印機創(chuàng)建，因此人工神經網絡可以用更大和更多的層制作，從而產生具有數(shù)億個人造神經元的設備。那些更大的設備可以同時識別更多的對象或執(zhí)行更復雜的數(shù)據分析。并且組件可以廉價制作， 由加州大學洛杉磯分校團隊創(chuàng)建的設備可以低于50美元。

中國3D打印網譯自：3ders.org