• Оптические нейросети без электричества используют когерентный свет для выполнения двумерного пространственного преобразования Фурье и матричного умножения.
• Нейросеть D²NN (Diffractive Deep Neural Network) была напечатана на 3D-принтере из обычного пластика и имеет точность распознавания рукописных цифр 91.75%.
• Обучение нейросети проводилось на GPU, а веса фиксировались в геометрии пластин при печати.
• Нейроны, веса и связи в нейросети реализованы на уровне физики волн с использованием микроскопических пикселей на поверхности пластин и воздуха между ними.
• Обучение нейросети включает обучение математической модели дифракции на GPU и перевод полученных весов в микроны толщины для печати на 3D-принтере.
• Оптические нейросети являются линейными системами, и функции активации, такие как ReLU и сигмоид, не могут быть реализованы на физическом уровне.
• Обучение оптической нейросети требует цифровой процедуры, так как обратное распространение ошибки требует точного градиента и высокой точности промежуточных значений.

А, да, главное — обучение. Толщину каждого пикселя не выдумывали из головы. Сначала точно такую же математическую модель дифракции обучили на GPU через обычный градиентный спуск на тысячах цифр MNIST. Модель выучила, какую фазу должен добавлять каждый пиксель. После этого полученную матрицу весов перевели в микроны толщины и заправили в 3D‑принтер. Такое вот читерство, ага.