Un nuevo artículo en Fotónica avanzada demuestra distintas mejoras en el rendimiento de inferencia y generalización de las redes neuronales ópticas difractivas.

Una de las mejoras clave discutidas en el documento, "La detección diferencial específica de clase en redes neuronales ópticas difractivas mejora la precisión de la inferencia, "incorpora un esquema de detección diferencial combinado con un conjunto de redes ópticas difractivas de funcionamiento en paralelo, donde cada red individual de este conjunto está especializada para reconocer específicamente un subgrupo de clases de objetos.

Según el becario de SPIE Aydogan Ozcan de la Universidad de California, Los Angeles, y uno de los autores del artículo, Estos resultados "proporcionan un avance importante para ofrecer soluciones de baja potencia y baja latencia basadas en redes neuronales ópticas para diversas aplicaciones de aprendizaje automático".

Esta última investigación es un avance significativo para el marco de aprendizaje de máquina óptico de Ozcan:la tecnología es especialmente significativa para reconocer objetos de destino más rápidamente y con significativamente menos energía que los sistemas de aprendizaje de máquina estándar basados ​​en computadora. Por último, puede proporcionar importantes ventajas para los vehículos autónomos, robótica y diversas aplicaciones relacionadas con la defensa, entre otros.

Estos últimos avances sistemáticos en diseños de redes ópticas difractivas tienen el potencial de impulsar el desarrollo de la próxima generación, específico de la tarea, y sistemas de cámaras computacionales inteligentes.