按年被提到
20182018 · 2 次2026
视觉、语音与图像生成›超分辨率与图像压缩·arXiv:1804.08711 · cs.NE

All-Optical Machine Learning Using Diffractive Deep Neural Networks

基于衍射深度神经网络的全光机器学习
Xing Lin, Yair Rivenson, Nezih T. Yardimci, Muhammed Veli, Mona Jarrahi, Aydogan Ozcan · 2018

用 3D 打印的无源衍射层实现全光神经网络,在太赫兹波段识别数字

开始阅读 ↗PDFalphaXiv 讨论
被提及 · 3 人首次 2018-08-06 · 最近 2019-07-13
3不同的人
3活跃月份
3讨论串
2,549被引(OpenAlex)

论文提出全光衍射深度神经网络(D2NN):先通过深度学习设计一组协同工作的无源衍射层,使整个结构学会实现不同功能。作者在太赫兹波段实验验证,制作出 3D 打印的 D2NN,学会手写数字分类和成像透镜的功能。作者认为借助 3D 打印等光刻制造方法和空间光调制器,这一框架能以光速完成计算机神经网络能实现的各种复杂功能,可用于全光图像分析、特征检测和物体分类,也可催生能学习特定任务的新相机和光学元件。

HN 为什么提它

HN 上有人把它作为用光识别数字的全光衍射神经网络的相关论文来引用。

方法难度 3 / 5约 30 分钟经得起时间
读之前最好知道
1神经网络与深度学习基础
2光的衍射与波动光学
3太赫兹成像基础
43D 打印与光刻制造

学习路径

读这篇之前,按顺序读书架上的 2 篇 · 参考文献来自 OpenAlex,顺序和要点由 Claude Code 排出

这条路径先了解深度学习的概况,再看另一种全光深度网络方案,以对比目标论文用无源衍射层实现的全光机器学习。

  1. 1
    Deep Learning in Neural Networks: An Overview神经网络中的深度学习:综述 · 2014

    它给出深度学习的整体脉络,帮助理解目标论文用物理硬件复现的是怎样的网络。

    读只读前向网络与训练的概述部分,了解多层结构为什么能学习复杂函数。

  2. 2
    Deep Learning with Coherent Nanophotonic Circuits基于相干纳米光子电路的深度学习 · 2016

    它也是全光深度网络,用相干纳米光子电路实现,可与目标论文的衍射层方案对比。

    读光学实现神经网络线性层与非线性的方式,以及与衍射网络在可训练性和制造方式上的差异。

  3. 3
    All-Optical Machine Learning Using Diffractive Deep Neural Networks基于衍射深度神经网络的全光机器学习 · 2018 · 就是这篇

    读完前置后,再看用 3D 打印的无源衍射层来实现全光神经网络。

    读衍射层如何类比神经元、训练过程(误差反向传播)和太赫兹实验验证:数字分类与成像透镜。

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
引用stenl · 2019-07

“Related Science paper from last summer”

提到相关的 Science 论文:用光做全光衍射网络
AI made from a sheet of glass can recognise numbers just by looking原评论 ↗
被提交为 story · 2 次