光学神经网络

光学神经网络是一个物理实现人工神经网络的光学部件。

已经被实现为光学神经网络的一些人工神经网络包括Hopfield神经网络和带有液晶的Kohonen自组织图。

生物神经网络在电化学的基础上起作用，而光学神经网络则使用电磁波。可以使用光遗传学创建与生物神经网络的光学接口，但与光学神经网络不同。在生物神经网络中，存在许多不同的机制来动态改变神经元的状态，包括短期和长期的突触可塑性。突触可塑性是用于控制突触传递效率的电生理现象之一，长期用于学习和记忆，短期则用于短暂的突触传递效率变化。用光学元件来实现这一点很困难，并且理想地需要先进的光子材料。在光学神经网络的光子材料中可能需要的属性包括根据入射光的强度更改其传输光的效率的能力。

在2007年，存在一种光学神经网络模型：可编程光学阵列/模拟计算机（POAC）。它已于2000年实施，并基于改良的联合傅里叶变换相关器（JTC）和细菌视紫红质（BR）作为全息光学存储器进行了报道。完全并行性，大阵列尺寸和光速是POAC实施光学CNN的三个承诺。在过去的几年中，对它们进行了研究，但由于其实际的局限性和考虑因素，导致了xxx个便携式POAC版本的设计。

实际细节硬件（光学设置）和软件（光学模板）已发布。但是，POAC是通用的可编程阵列计算机，具有广泛的应用程序，包括：

• 图像处理
• 模式识别
• 目标跟踪
• 实时视频处理
• 文件安全
• 光开关