Multilayer nonlinear diffraction neural networks with programmable and fast ReLU activation function
5.5
来源：
Nature
关键字：
neural coding
发布时间：
2025-11-25 03:31
摘要：
该研究提出了一种新型的多层非线性衍射神经网络（MN-DNN），通过集成射频放大器、射频探测器和电压加法器，实现了可编程的ReLU激活功能，显著提高了计算速度和能效。MN-DNN在图像分类和实时人类姿态识别任务中表现出色，准确率分别为92.81%和93.06%。该技术的低延迟和高适应性使其在安全筛查、医疗康复和人机交互等领域具有广泛的应用潜力。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
0.0
business_impact
1.0
scientific_rigor
1.5
timeliness_innovation
1.5
investment_perspective
0.5
market_value_relevance
1.0
team_institution_background
0.0
technical_barrier_competition
0.0
关键证据
该网络在图像分类任务中表现出92.81%的准确率，超过传统线性网络4%以上。
实现了17.7纳秒的延迟，显著优于传统的光电转换方法。
该技术在实时人机交互和运动检测中展示了良好的应用前景。
真实性检查
否
AI评分总结
该研究提出了一种新型的多层非线性衍射神经网络（MN-DNN），通过集成射频放大器、射频探测器和电压加法器，实现了可编程的ReLU激活功能，显著提高了计算速度和能效。MN-DNN在图像分类和实时人类姿态识别任务中表现出色，准确率分别为92.81%和93.06%。该技术的低延迟和高适应性使其在安全筛查、医疗康复和人机交互等领域具有广泛的应用潜力。