盖世轿车讯 先进神经网络中的大部分核算包含矩阵向量乘法和卷积核算等线性运算，并且线性运算在密码学中也扮演着重要人物。尽管GPU（图形处理器）和TPU（热接收器设备）等专用处理器可用于履行高度并行的线性运算，但此类设备功耗高，并且电子器材的低带宽还约束了运算速度。可是，光学器材因具有并行性，大带宽以及快速核算速度，更适合用于此类运算。

  由一组空间工程薄外表构建的衍射神经网络（D2NN）也称为衍射网络，构成了最近鼓起的光学核算架构，能以光穿过超薄体积传达的速度被动地履行核算使命。

  此类履行特定使命的全光学核算机通过学习其组成的衍射外表的空间特征，以数字化办法被规划。在此类一次性规划流程之后，优化的外表被制成和拼装以构成衍射神经网络的物理硬件。

  据外媒报导，加州大学洛杉矶分校（UCLA）研发了一种办法，可在空间非相干光照下，用衍射网络进行复数值线性运算。

  此前，在同一组研讨的已标明，有满足自由度的衍射网络可以用空间相干光进行恣意复值线性变换，且误差可忽略不计。

  相比之下，假如矩阵要素界说线性变换对错负实数，此类网络凭仗空间非相干光，可以对输入光强度进行恣意的线性变换。鉴于现在空间非相干照明光源越来越遍及且更简单获取，人们对使用空间非相干衍射处理器以处理非负值以外数据的需求日益增长。

  UCLA的研讨人员通过预处理和后处理过程，将复数展现为一组非负实数，将空间非相干衍射网络的处理才能扩展到复数范畴。

  研讨人员证明，假如规划中有满足数量的可优化的唯相位衍射特征，此类非相干衍射处理器通过规划，可履行恣意复数值线性变换，且误差可忽略不计，并且其规划可随输入和输出复数向量空间的尺度而改变。

  研讨人员使用空间非相干衍射网络对复数图画进行加密和解密，展现了这种新方案的使用。除了视觉图画加密，此种空间非相干衍射处理器也可以适用于其他使用，例如在无人驾驶轿车中对天然场景敏捷进行超快速和低功耗处理。