用3D打印机创建的人工神经网络可以在医学，机器人技术和安全性方面得到应用。该网络由一系列聚合物层组成，它使用穿过其中的光进行工作。每层为8平方厘米。奥兹坎研究小组/加州大学洛杉矶分校
加州大学洛杉矶分校的一个电气和计算机工程师团队创建了一个物理人工神经网络-一种模拟人脑工作方式的设备-可以分析大量数据并以实际光速识别物体。该设备是使用UCLA Samueli工程学院的3D打印机创建的。
如今，日常生活中的许多设备都使用计算机摄像头来识别物体，例如自动柜员机可以在存入支票时“读取”手写的美元金额，或者可以将照片与数据库中其他类似图像快速匹配的互联网搜索引擎。但是那些系统依赖于一台设备来对物体成像，首先是通过摄像头或光学传感器“看到”物体，然后将其看到的东西处理成数据，最后使用计算程序来确定它是什么。
UCLA开发的设备抢先一步。它被称为“衍射深层神经网络”，它使用从物体本身反射的光来识别物体，所花费的时间与计算机简单地“看见”物体所花费的时间一样短。UCLA设备不需要高级计算程序即可处理对象的图像并在其光学传感器将其拾取后确定对象是什么。而且，由于该设备仅使用光的衍射，因此不会消耗任何能量来运行该设备。
基于该设备的新技术可用于加速涉及分类和识别对象的数据密集型任务。例如，使用该技术的无人驾驶汽车可以立即对停车标志做出反应，甚至比使用当前技术的反应更快。使用基于UCLA系统的设备，汽车会在信号灯发出的光线撞击后立即“读取”信号灯，而不必“等待”汽车的摄像头为物体成像，然后使用其计算机进行拍摄。弄清楚对象是什么。
基于本发明的技术还可以用于显微成像和医学中，例如，以通过数百万个细胞分类以寻找疾病的征兆。
“这项工作从根本上为使用基于人工智能的无源设备即时分析数据，图像和对对象进行分类提供了新的机会，”该研究的首席研究员，加州大学洛杉矶分校(UCLA)校长电气和计算机工程教授艾多安·奥兹坎(Aydogan Ozcan)说。“这种光学人工神经网络设备可以直观地模拟大脑如何处理信息。它可以扩大规模以支持新的相机设计和独特的光学组件，这些组件可以在医疗技术，机器人技术，安全性或对图像和视频数据至关重要的任何应用中被动工作。
创建人工神经网络的过程始于计算机仿真设计。然后，研究人员使用3D打印机制作了非常薄的8平方厘米的聚合物晶圆。每个晶片都有不平坦的表面，这有助于将来自物体的光衍射到不同的方向。这些层对眼睛来说似乎是不透明的，但是实验中使用的亚毫米波长太赫兹频率的光可以穿过它们。而且每一层都由数以万计的人工神经元组成-在这种情况下，是光穿过的微小像素。
在一起，一系列像素化层充当“光学网络”，该形状决定了来自物体的入射光如何穿过它们。网络可以识别出一个物体，因为来自物体的光大部分会衍射到分配给该类型物体的单个像素上。
然后，研究人员使用计算机训练网络，通过学习每个物体在该物体发出的光穿过设备时产生的衍射光的图案，来识别其前方的物体。“训练”使用了人工智能的一个分支，即深度学习，在该分支中，机器会通过重复学习并随着时间的推移随着模式的出现而“学习”。
奥兹坎说：“从直觉上来说，这就像是一个非常复杂的玻璃和镜子迷宫。” “光进入衍射网络，并在迷宫周围反弹，直到离开。该系统通过大部分光线最终出射的位置来确定物体是什么。”
在他们的实验中，研究人员证明了该设备可以准确识别手写的数字和衣物-两者都是人工智能研究中常用的测试。为此，他们将图像放置在太赫兹光源的前面，然后让设备通过光学衍射“看到”这些图像。
他们还培训了该设备，使其充当一个镜头，将放置在光网络前面的物体的图像投射到它的另一侧-就像典型的相机镜头的工作原理一样，只是使用人工智能而不是物理学。
由于其组件可以由3D打印机创建，因此可以使用更大的附加层来构建人工神经网络，从而使设备具有数亿个人工神经元。那些更大的设备可以同时识别更多的对象，或者执行更复杂的数据分析。而且这些组件的制造成本很低-UCLA团队创建的设备可以以不到50美元的价格进行复制。
虽然这项研究使用了太赫兹频率的光，但奥兹坎说，也有可能创建使用可见光，红外光或其他频率的光的神经网络。他说，还可以使用光刻或其他印刷技术来建立网络。
该研究的其他作者都是来自加州大学洛杉矶分校萨穆里分校的博士后学者邢林，Yair Rivenson和Nezih Yardimci。研究生穆罕默德·韦利(Muhammed Veli)和罗伊(Yi Luo);和蒙娜丽莎Jarrahi，电气和计算机工程教授，加州大学洛杉矶分校。
该研究得到了国家科学基金会和霍华德·休斯医学研究所的支持。Ozcan在UCLA的David Geffen医学院还任命了UCLA的生物工程和外科教授。他是UCLA加州纳米系统研究所的副主任和HHMI教授。