光学神经网络

基于衍射深度神经网络的全光神经网络仿真技术研究报告本研究针对全光神经网络（Optical Neural Network, ONN）的仿真实现进行深入探索。基于衍射深度神经网络（Diffractive Deep Neural Network, D²NN）理论框架，采用Python与PyTorch构建完整的仿真系统，并将其应用于MNIST手写数字识别任务。通过系统性的实验研究，本项目在标准相位调制模型上实现了93.5%的分类准确率，超过原始论文的91.75%；在引入复数ReLU激活函数后，准确率进一步提升至97%。本报告详细阐述了网络架构设计、光学参数选择、

用光来“思考“：光学加速神经网络计算全景解析当你的手机在运行AI时发烫，你有没有想过：也许有一天，我们可以用"光"来替代"电"进行计算，让AI既快又凉？

基于SLM的光学神经网络设计与优化：从原理到实现【程序开发】摘要：本文详细介绍了基于空间光调制器(SLM)的光学神经网络(ONN)系统设计与优化过程。通过创新的损失函数设计和探测器布局优化，实现了能量集中度232%的提升。文章涵盖理论基础、代码实现、创新改进和实验方案，完整展示了光学神经网络的开发流程。

光学神经网络：进展与挑战(Optical Neural Networks: Progress and Challenges)作者: Tingzhao Fu, Jianfa Zhang, Run Sun, Yuyao Huang, Wei Xu, Sigang Yang, Zhihong Zhu, Hongwei Chen 期刊: Light: Science & Applications (2024) 13:263 DOI: https://doi.org/10.1038/s41377-024-01590-3 发表时间: 2024年

清华大学发Nature！光学工程+神经网络创新结合2025深度学习发论文&模型涨点之——光学工程+神经网络清华大学的一项开创性研究成果在《Nature》上发表，为光学神经网络的发展注入了强劲动力。该研究团队巧妙地提出了一种全前向模式（Fully Forward Mode，FFM）的训练方法，这一方法在物理光学系统中直接执行训练过程，彻底摆脱了传统依赖数字计算机模拟的诸多限制。

Nature+Science=ONNs（光学神经网络）光学神经网络（Optical Neural Networks, ONNs）是一种利用光学器件（如激光、光学调制器、滤波器、探测器等）来模拟和实现神经网络推理功能的计算模型。这种网络通过利用光信号的传播特性，如干涉、衍射等现象，加速神经网络的运算过程，提高计算速度和效率。

我是有底线的