對于物理學有一定了解的同學都知道，光的折射和衍射本身是遵循相關的公式的。而在科技昌明的今天，如果我們利用傳感器對入射光和出射光進行采集，就可以通過兩邊的輸入輸出反推出公式中的相關參數。這樣，通過對相關參數的調整，就可以通過對入射光與出射光的采集，利用光的物理特性，讓光幫助我們完成一些複雜的計算。

而這一思想被計算機科學家和物理學家實現之後，就有了近幾年比較熱門的一個研究領域“光學神經網絡”。光學神經網絡（Optical neural network, ONN）能有效減輕軟件和電子硬件兩者的部分運算，從而為替代人工神經網絡提供了一種具有極大潛力的可行方法。

經常進行神經網絡訓練的同學都知道，人工神經網絡中耗能和耗時最多的部分是密集矩陣乘法。但在光學神經網絡中，矩陣乘法可以在光速下執行。人工神經網絡中的非線性在光學神經網絡中也可以通過非線性光學元件實現。并且，一旦光學神經網絡訓練完成，這個結構可以在無額外能量輸入的情況下執行光信号計算。

基于這種思想，本科畢業于中國科技大學的，威斯康星大學副教授喻宗夫在2019年7月8日，提出了一種利用光反射和折射現象的AI系統，即“智慧玻璃”，這塊小小的玻璃，被譽為世界上最聰明的玻璃。喻教授團隊的該項研究以封面形式發表在光學領域頂級期刊 Photonics Research 上。

喻教授的成果是，在玻璃内特定位置處擺放一些特定形狀的線性和非線性材料，可以對載有目标物信息的入射光進行調制，使得入射光經過這些結構後，可以按照既定的方式發生類似折射和反射的作用，最終出射光會投影在特定的位置，實現目标識别。

如圖中的（b）和（c）所示，載有手寫數字目标物“2”和“8”信息的入射光，經過該“智慧玻璃”折-反射之後，出射光最大光強的部分分别投影在标号為2和8的探測區域。從而通過該玻璃實現了對數字的圖像識别。

光學神經網絡天然的高帶寬、高互聯性、内在的并行處理等特點，引起了科學家們的極大興趣。各種研究思路不斷湧現。

2016年，美國康奈爾大學的Huaijin G. Chen等人首次提出ASP-Vision的概念。他們使用一種仿生的角度敏感傳感器（angle sensitive pixel, ASP）來取代卷積神經網絡的第一層卷積層。這種新型的硬件與算法相結合的光電混合型網絡結構被稱為ASP-Vision。它将不同周期、不同方向和不同相位的光栅平鋪，且與像素點一一對應，從而實現光學卷積，對圖像進行邊緣濾波，能同時進行圖像的獲取以及圖像的濾波，應用該傳感器可以顯著節省系統功耗，降低數據帶寬以及減少浮點運算量。

自然界裡有着太多的秘密，我們通過對蝙蝠的研究發明了雷達、通過對螢火蟲的研究發明了人工冷光、通過對蒼蠅的研究發明了振動陀螺儀、通過對貝殼蛋殼的研究發明了薄殼建築。随着科研人員的不斷探索，還會有更多的自然界中的原理被人類所應用。

喜歡本文的話，歡迎關注活在信息時代哦：）

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!