光学神经网络简介：从世界上最聪明的玻璃说起

对于物理学有一定了解的同学都知道，光的折射和衍射本身是遵循相关的公式的。而在科技昌明的今天，如果我们利用传感器对入射光和出射光进行采集，就可以通过两边的输入输出反推出公式中的相关参数。这样，通过对相关参数的调整，就可以通过对入射光与出射光的采集，利用光的物理特性，让光帮助我们完成一些复杂的计算。

而这一思想被计算机科学家和物理学家实现之后，就有了近几年比较热门的一个研究领域“光学神经网络”。光学神经网络（Optical neural network, ONN）能有效减轻软件和电子硬件两者的部分运算，从而为替代人工神经网络提供了一种具有极大潜力的可行方法。

经常进行神经网络训练的同学都知道，人工神经网络中耗能和耗时最多的部分是密集矩阵乘法。但在光学神经网络中，矩阵乘法可以在光速下执行。人工神经网络中的非线性在光学神经网络中也可以通过非线性光学元件实现。并且，一旦光学神经网络训练完成，这个结构可以在无额外能量输入的情况下执行光信号计算。

基于这种思想，本科毕业于中国科技大学的，威斯康星大学副教授喻宗夫在2019年7月8日，提出了一种利用光反射和折射现象的AI系统，即“智慧玻璃”，这块小小的玻璃，被誉为世界上最聪明的玻璃。喻教授团队的该项研究以封面形式发表在光学领域顶级期刊 Photonics Research 上。

喻教授的成果是，在玻璃内特定位置处摆放一些特定形状的线性和非线性材料，可以对载有目标物信息的入射光进行调制，使得入射光经过这些结构后，可以按照既定的方式发生类似折射和反射的作用，最终出射光会投影在特定的位置，实现目标识别。

如图中的（b）和（c）所示，载有手写数字目标物“2”和“8”信息的入射光，经过该“智慧玻璃”折-反射之后，出射光最大光强的部分分别投影在标号为2和8的探测区域。从而通过该玻璃实现了对数字的图像识别。

光学神经网络天然的高带宽、高互联性、内在的并行处理等特点，引起了科学家们的极大兴趣。各种研究思路不断涌现。

2016年，美国康奈尔大学的Huaijin G. Chen等人首次提出ASP-Vision的概念。他们使用一种仿生的角度敏感传感器（angle sensitive pixel, ASP）来取代卷积神经网络的第一层卷积层。这种新型的硬件与算法相结合的光电混合型网络结构被称为ASP-Vision。它将不同周期、不同方向和不同相位的光栅平铺，且与像素点一一对应，从而实现光学卷积，对图像进行边缘滤波，能同时进行图像的获取以及图像的滤波，应用该传感器可以显著节省系统功耗，降低数据带宽以及减少浮点运算量。

自然界里有着太多的秘密，我们通过对蝙蝠的研究发明了雷达、通过对萤火虫的研究发明了人工冷光、通过对苍蝇的研究发明了振动陀螺仪、通过对贝壳蛋壳的研究发明了薄壳建筑。随着科研人员的不断探索，还会有更多的自然界中的原理被人类所应用。

喜欢本文的话，欢迎关注活在信息时代哦：）