Redes Neuronales Profundas Difractivas en Longitudes de Onda Visibles

El aprendizaje profundo óptico basado en elementos ópticos difractivos ofrece ventajas únicas para el procesamiento paralelo, la velocidad computacional y la eficiencia energética. Un método emblemático es la red neuronal profunda difractiva (D2NN) basada en tecnología de impresión tridimensional operada en el rango espectral de terahercios. Dado que el ancho de banda de terahercios implica un acoplamiento interparticular limitado y pérdidas de material, este documento extiende D2NN a longitudes de onda visibles. Se propone una teoría general que incluye una fórmula revisada para resolver cualquier contradicción entre longitud de onda, tamaño de neurona y limitaciones de fabricación. Se utiliza un nuevo clasificador D2NN de luz visible para reconocer objetivos inalterados (dígitos manuscritos del 0 al 9) y objetivos que han sido modificados (es decir, objetivos que han sido cubiertos o alterados) a una longitud de onda visible de 632.8 nm. La precisión de clasificación experimental obtenida (84%) y la precisión de clasificación numérica (91.57%) cuantifican la coincidencia entre el diseño teórico y el rendimiento del sistema fabricado. El marco presentado puede ser utilizado para aplicar un D2NN a diversas aplicaciones prácticas y diseñar otras nuevas aplicaciones.