加州大学洛杉矶分校萨缪尔工程学院(UCLA Samueli School of Engineering)开发的一项技术有一天可能使生产无需额外计算机处理就能立即识别物体的光学设备成为可能。这项技术最终可能会应用于机器人、自动驾驶汽车和其他应用领域。
加州大学洛杉矶分校的研究人员开发了一种光学神经网络。对于光束，用一系列特殊设计的半透明晶片，由不同的材料如塑料或玻璃制成。晶圆片表面粗糙。类似磨砂玻璃;当光束在迷宫中穿行时，它们被设计成比光的波长还小的尺度，把光束分成不同的方向。
这项研究发表在《光:科学与应用》杂志上。应用程序。
由于光线是如何与晶圆片相互作用的，走出迷宫的每一束光线都被精确地定向到阵列末端屏幕上的一个需要的点上。这是可能的，因为该设备可以同时处理多个波长的光，这与之前由加州大学洛杉矶分校的工程师制造的类似设备形成了对比，之前的设备也只能使用一个波长。这些早期的设备能够识别手写数字和衣物，这些通常用于人工智能系统的测试。
这种进步就像黑白电视向彩色电视的转变。这项研究的负责人、加州大学洛杉矶分校电子和计算机工程教授艾多安·奥兹坎说。当你能透过不同波长的光看到不同的颜色时，你就能获得更丰富的信息。大多数场景都自然地包含了色彩鲜艳的信息，因此网络所能看到的波长就越长。它所能处理的信息量越大。
工程师引导进入迷宫的光束是由许多波长的太赫兹光谱组成的。
这项研究的目标之一是创造一种能直观地将我们的眼睛和大脑的能力结合起来的技术，而这项新研究是朝着这个目标迈出的一步。他也是加州大学洛杉矶分校加州纳米系统研究所的副主任。最终，我们希望将光学计算和设计的技术能力扩展到人类能力之外。
该网络是利用人工智能的一个分支——深度学习(deep learning)设计的，在深度学习中，计算机程序学习。并根据动作或实验的多次重复相应地调整他们的反应。
传统上，研究人员利用自己的物理知识和直觉来设计光学迷宫，以独特的方式利用和设计光线。Ozcan说。现在，深度学习在寻找新方法方面让我们感到惊讶。一些我们通常不会想到的问题;来解决这些难题。它帮助我们设计新的光学设备，为具有挑战性的问题提供强大而优雅的解决方案。
该研究的其他作者是研究生罗毅、德尼兹·蒙古和穆罕默德·维里;博士后研究员Nezih Yardimci;兼职教授Yair Rivenson;蒙娜·贾拉希教授;他们都是加州大学洛杉矶分校电气和计算机工程系的成员。
这项研究在一定程度上得到了日本电子设备制造商藤村(Fujikura)的支持。
新闻旨在传播有益信息，英文原版地址：http://newsroom.ucla.edu/releases/optical-system-recognize-objects-instantly