來自加州大學洛杉磯分校的研究人員使用3D打印機創建了一個人工神經網絡，能夠分析大量數據并以光速識別物體。該系統被稱為衍射式深度神經網絡（D2NN）。它利用物體散射的光來識別物體。加州大學洛杉磯分校的研究人員基于基于深度學習的設計，使用無源衍射層一起工作。



研究人員首先創建了一個計算機模擬設計，然后使用3D打印機創建了薄薄的8厘米見方的聚合物晶圓。這些晶圓中的每一個都有不平整的表面，以幫助衍射來自物體的光線。

3D打印的晶圓使用太赫茲頻率進行穿透。每一層都由數萬個像素組成，光可以穿過這些像素。該設計為每一種類型的物體分配了一個像素，來自物體的光會向分配給它的像素衍射。該技術使D2NN能夠在計算機看到物體所需的相同時間內識別物體。

該網絡被訓練成學習每個物體產生的衍射光，當該物體的光通過設備時，使用稱為深度學習的AI分支。深度學習通過重復和隨著時間的推移，隨著模式的出現持續教導機器。在實驗過程中，該設備能夠準確識別手寫的數字和衣服的類目。

該設備還被訓練成一個成像鏡頭，類似于典型的相機鏡頭的工作方式。由于該設備是使用3D打印機創建的，D2NN可以用更大的和額外的層來制作，從而形成一個擁有數億個人工神經元的設備。更大的設備可以同時發現更多的物體，有可能進行更復雜的數據分析。

D2NN的另一個關鍵優勢是成本，研究人員表示，該設備的復制成本可以低于50美元。