编者按：本文自来“新智元（AI_era）”；36氪经授权转载。

如果说GPU养大了深度学习，那么如今深度学习的胃口早已经超越了GPU。

当然，GPU在不断发展，也出现了TPU、IPU、MLU来满足这头巨兽。

深度学习对算力的需求没有止境，但受制于能耗和物理极限，基于硅基的电子元件虽然现在还能支撑，但远处那堵几乎不可逾越的高墙已然显现。

怎么办？

光速深度学习！

今天，Science发表了加州大学洛杉矶分校（UCLA）研究人员的最新研究：All-optical machine learning using diffractive deep neural networks，他们使用 3D 打印打造了一套 “全光学” 人工神经网络，可以分析大量数据并以光速识别目标。

论文地址：http://science.sciencemag.org/content/361/6406/1004

这项技术名为衍射深度神经网络（ diffractive deep neural network，D?NN），它使用来自物体的光散射来识别目标。该技术基于深度学习的被动衍射层设计。

研究团队先用计算机进行模拟，然后用 3D 打印机打造出 8 平方厘米的聚合物层。每个晶圆表面都是不平整的，目的是为了衍射来自目标的光线。

衍射深度神经网络由一系列聚合物层组成，每层大约 8 平方厘米。利用网络区域内的光的衍射传播路径来识别目标。

研究人员使用 THz 级频率的光穿透 3D 打印的网络层。每一层网络由数万个像素组成，光可以通过这些像素传播。

研究人员为每类的目标分配像素，来自目标的光被衍射到已分配给该目标类型的像素上。这样，衍射深度神经网络就能够识别目标，其耗时与计算机 “看到” 目标所花费的时间相仿。

D?NN: 光速实时学习，成本不到 50 美元

而随着来自不同目标的光通过 D?NN, 研究人员利用深度学习训练神经网络，以学习每个目标产生的衍射光图案。

“我们使用逐层制造的无源元件，并通过光的衍射将这些层相互连接起来，打造一个独特的全光平台，可以以光速执行机器学习任务。” 该研究团队负责人，加州大学洛杉矶分校教授 Aydogan Ozcan 表示。

“这就像一个由玻璃和镜子构成的复杂迷宫。光进入衍射网络，并在迷宫周围反射，直到其离开该区域为止。系统能够根据某目标产生的大部分光最终离开迷宫的路径，确定究竟是哪个目标。”Ozcan 说。

在实验中，研究人员将图像放在 THz 级频率的光源前。 D?NN 通过光学衍射对图像进行观察。研究人员发现，该设备可以准确识别手写的数字和衣服，这两类对象都是人工智能研究中的常用目标。

图为 D?NN 设备识别文本

在训练中，研究人员还该将设备作为成像的镜头，就像一般的相机镜头一样。