Fortschritte in optisch diffraktiven neuronalen Netzwerken

Optisch diffraktive neuronale Netzwerke (ODNNs) stellen einen vielversprechenden Fortschritt in der rechnergestützten Optik dar, mit erheblichem Potenzial für Anwendungen in der Bildklassifikation, Bildrekonstruktion und biomedizinischen Bildgebung. Durch die Nutzung der Prinzipien der Lichtdiffraction für Berechnungen in neuronalen Netzwerken ermöglichen ODNNs eine energieeffiziente, Echtzeit-Datenverarbeitung ohne die Notwendigkeit traditioneller elektronischer Recheneinheiten. Diese Übersicht gibt einen Überblick über die grundlegenden Konzepte hinter ODNNs, beginnend mit den Prinzipien künstlicher Neuronen und fortschreitend zur spezifischen Umsetzung der optischen Diffraction in Architekturen neuronaler Netzwerke. Wir untersuchen aktuelle Fortschritte in den wichtigen Komponenten von ODNNs, einschließlich der optischen Signalverarbeitung, Aktivierungsfunktionen und Trainingsalgorithmen. Darüber hinaus heben wir die praktischen Anwendungen von ODNNs in Bereichen wie Signalmenge, optische Bildgebung, Bildverarbeitung und hochdimensionale optische Kommunikation hervor. Dieses Papier schließt mit einer Diskussion über die aktuellen Herausforderungen und zukünftigen Richtungen der ODNN-Forschung, wobei das Potenzial zur Überwindung bestehender Einschränkungen und zur weiteren Erweiterung ihrer Fähigkeiten betont wird.