Appl. Phys. Rev. | 衍射深度神经网络原理、优化及应用

本文主要探讨了衍射深度神经网络（D²NN）的理论、优化及其应用。D²NN作为光学神经网络（ONN）的一个重要分支，利用衍射元件对光信号进行调制和计算，具有计算速度快、能耗低的特点，能够解决传统电子神经网络的算力和能耗瓶颈。文章详细介绍了D²NN的理论基础，包括基于惠更斯-菲涅尔原理的架构设计，以及通过深度神经网络模拟波传播的方法。此外，还讨论了D²NN在推理和泛化能力、非线性激活函数、多路复用技术等方面的优化进展。应用方面，D²NN在图像识别、光束整形、逻辑运算等领域展现出优越性能。文章最后展望了D²NN的未来发展，指出虽然目前仍处于探索阶段，但一旦关键技术难题被攻克，D²NN将在基础研究和产业应用中实现重大突破。