加利福尼亞大學的一個研究小組開發了一種新型的神經網絡 - 一種使用光而不是電來獲得結果的神經網絡。在他們發表在“ 科學 ”雜志上的論文中，該小組描述了他們的想法，他們的工作設備，性能以及他們認為可以通過這樣一個網絡提供的應用類型。

深度學習網絡是通過查看數據類型的許多示例來“學習”的計算機系統，然后使用開發的模式來解釋新數據。像所有其他計算機一樣，它們依靠電力運行。在這項新的努力中，研究人員已經找到了一種方法來創建一個完全不使用電力的深度學習網絡 - 而是使用光。他們稱之為衍射深度神經網絡，或者更簡潔地稱為D 2 NN。

為了建立這樣一個網絡，研究人員創建了使用3D打印機打印的小塑料板。每個板代表一層虛擬神經元 - 每個神經元通過傳輸或反射入射光可以表現得像它的生物對應物。在他們的例子中，他們使用了五個面對面排列的板，它們之間有一個小空間。當系統運行時，來自激光器的光被引導到第一個板，并以揭示放置在設備前面的物體的信息的方式進入第二個，第三個，第四個和第五個板。后面的傳感器讀取光線并解釋發現的內容。

為了測試他們的想法，研究人員選擇創建一個能夠識別零到九的數字的物理神經網絡，然后報告它發現的內容。在實踐中，系統在顯示器上顯示一個數字，并通過識別數字然后使用傳感器顯示它來響應。系統輸入了55,000張已掃描的數字圖像。這個學習階段需要使用電力因為它在為系統提供數據的計算機上運行。在通過顯示數千個數字來測試他們的系統時，研究人員報告稱它的準確度大約為95%。他們注意到他們的設備是概念的證明，可以證明它是一種有用的手段，可以為需要速度的應用程序開發專用設備，例如從一群活躍的人群中挑選面孔。