使用对象移动提升衍射光网络的性能

光学计算的大规模并行性及其带宽一直引起机器学习应用的极大兴趣。 衍射网络计算基于输入光在通过一组空间工程表面衍射时的变换。 它以光传播的速度执行计算，无需任何外部电源。 衍射网络能够执行全光分类输入对象，以及许多其他应用程序。

加州大学洛杉矶分校 (UCLA) 的研究人员在 Aydogan Ozcan 教授的指导下，开发了一种“时间流逝”方案，显着提高了衍射光学网络对复杂输入对象的图像分类精度。 结果发表在 Advanced Intelligent Systems 上。

该方案涉及在输出检测器曝光期间相对于彼此移动物体或衍射网络。 这种“延时方案”过去曾用于实现超分辨率图像，例如安全摄像头。

来源和详细信息：
https://techxplore.com/news/2023-02-diffractive-optical-networks-shifts-boost.html