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。“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，創造了一個獨特的全光平臺，以光速執行機器學習任務。”Ozcan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，甚至比使用現有技術更快，對停車標志做出反應。使用基于UCLA系統的設備，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。基于本發明的技術還可以用于顯微成像和醫學，例如，用于分選數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行更復雜的數據分析。并且組件可以廉價制作， 由加州大學洛杉磯分校團隊創建的設備可以低于50美元。

中國3D打印網譯自：3ders.org