如果你想開發(fā)出一種超高速物體識別系統(tǒng)，比如檢測導彈或者路上的正在跑的汽車的話，那只用一個連著數(shù)碼相機的計算機是遠遠不夠的。加州大學洛杉磯分校的電氣工程師 Aydogan Ozcan 希望改變這種情況，所以他的研究團隊同時使用了機器學習技術(shù)、光學工具和 3D 打印技術(shù)，開發(fā)出了可高速識別物體的識別系統(tǒng)。不像普通的計算機，這種系統(tǒng)不需要提供外接電源，只需要提供初始光源和一個簡單的探測器即可。 Q3=5q w^  
研究團隊首先提出了一種全光學的深度學習框架——衍射深度神經(jīng)網(wǎng)絡(luò)（Diffractive Deep Neural Network，D2NN），該架構(gòu)采用基于深度學習算法的無源衍射層（passive diffractive layers）設(shè)計，經(jīng)誤差反向傳播法（error back-propagation method）訓練后，能夠以接近光速的高速處理能力，實現(xiàn)多種機器學習的復(fù)雜功能。團隊最后采用 3D 打印制造出了這種光學架構(gòu)，實現(xiàn)了手寫數(shù)字和時尚產(chǎn)品的圖像分類。該成果已經(jīng)發(fā)表于《Science》雜志上。 h]~FYY  
GTfM
*b