1.简介我们介绍了一种可以学习的全光学衍射深度神经网络(D2NN)架构在集成工作的被动衍射层的基于深度学习的设计之后实现各种功能。我们通过创建3D打印的D2NN来实验证明了该框架的成功,这些D2NN学会了实现手写数字分类以及成像镜头在太赫兹光谱中的功能。
(A)D2NN包括多个透射(或反射)层,其中给定层上的每个点充当神经元,具有复值传输(或反射)系数。可以使用深度学习来训练每层的这些传输/反射系数,以学习并执行网络的输入和输出平面之间的功能。在这个学习阶段之后,D2NN设计是固定的,一旦它被制造或3D打印,它就以光速执行学习功能。我们训练并实验性地实施了两种不同的D2NN:(B)手写数字分类器和(C)成像镜头。
(A,B)训练阶段结束后,展示出了手写数字分类器和成像镜头D2NN的五个不同层(L1,L2,...,L5)的最终设计。在网络层的每个面板的右侧,示出了相应的3D打印的D2NN的图片。(A)示出了实验THz设置的示意图(C)和图片(D)。放大器/乘法器链用于产生0.4THz的连续波辐射,并且混频器/放大器/乘法器链用于在网络的输出平面处进行检测。
(A)3D打印的D2NN基于网络输出平面上的10个不同的检测器区域成功地对手写输入数字(0,1,...,9)进行分类,每个检测器区域对应于一个数字。作为示例,示出了用于手写输入“5”的3D打印的D2NN的输出图像,其中红色虚线方块表示每个数字的训练的检测器区域。我们的实验结果的其他例子也显示在图S5中。
领取专属 10元无门槛券
私享最新 技术干货