人工智能（AI）在许多系统中扮演着重要角色，从预测文本到医学诊断。受人脑启发，许多人工智能系统是基于人工神经网络实现的，生物神经元的电等效物相互连接，用一组已知数据（如图像）进行训练，然后用于识别或分类新的数据点。
在用于图像识别的传统神经网络中，目标对象的图像首先在图像传感器上形成，例如智能手机中的数码相机。然后，图像传感器将光转换为电信号，并最终转换为二进制数据，然后可以使用计算机芯片对其进行处理、分析、存储和分类。加速这些能力是改进许多应用程序的关键，例如人脸识别、自动检测照片中的文本或帮助自动驾驶汽车识别障碍物。
目前，数字芯片上的消费级图像分类技术每秒可执行数十亿次计算，速度足以满足大多数应用、更复杂的图像分类，如识别运动物体、3D物体识别或人体显微细胞分类，甚至是最强大的技术也在突破计算极限。这些技术的当前速度限制是由计算机处理器中基于时钟的计算步骤时间表设置的，其中计算以线性时间表一个接一个地进行。
为了解决这一局限性，宾夕法尼亚大学的工程师们开发了第一款可伸缩芯片，该芯片几乎可以瞬间对图像进行分类和识别。电气和系统工程副教授Firooz Aflatouni，以及博士后Farshid Ashtiani和研究生Alexander J.Geers，已经消除了传统计算机芯片中的四个主要耗时元凶：光信号到电信号的转换，将输入数据转换为二进制格式的需要，一个大的存储模块，以及基于时钟的计算。
他们通过使用9.3平方毫米芯片上实现的光学深度神经网络直接处理从感兴趣对象接收的光来实现这一点。
这项发表在《自然》杂志上的研究描述了该芯片的许多光学神经元是如何通过光线或“波导”相互连接，形成一个由许多“神经元层”组成的深层网络，模拟人脑。信息通过网络的各个层传递，每一步都有助于将输入图像分类为其学习的类别之一。在研究人员的研究中，芯片分类的图像是手绘的字母状字符。
就像我们大脑中的神经网络一样，这种深层网络的设计方式允许快速处理信息。研究人员证明，他们的芯片可以在半纳秒内完成整个图像分类鈥攖他指出，传统的数字计算机芯片只需在基于时钟的时间表上完成一个计算步骤。
“我们的芯片通过我们称之为‘传播计算’的方式处理信息，这意味着与基于时钟的系统不同，计算是在光通过芯片传播时进行的，”Aflatouni说。“我们也跳过了将光信号转换为电信号的步骤，因为我们的芯片可以直接读取和处理光信号，而这两项变化使我们的芯片成为一种速度更快的技术。”
该芯片直接处理光信号的能力为其带来了另一个好处。
Ashtiani说：“当当前的计算机芯片处理电信号时，它们通常通过图形处理单元（GPU）来运行，这会占用空间和能量。”。“我们的芯片不需要存储信息，无需大型存储单元。”
“而且，通过消除存储图像的存储单元，我们也在增加数据隐私，”黄曲霉说。“使用直接读取图像数据的芯片，无需照片存储，因此不会发生数据泄漏。”
以光速读取信息并提供更高程度网络安全的芯片无疑将在许多领域产生影响；这也是过去几年对这项技术的研究不断增加的原因之一。
“我们不是第一个提出直接读取光信号的技术，”Geers说，“但我们是第一个在芯片内创建完整系统的人，该系统既与现有技术兼容，又可扩展以处理更复杂的数据。”
该芯片具有深度网络设计，需要经过培训才能学习和分类新的数据集，类似于人类的学习方式。当呈现给给定的数据集时，深度网络接收信息并将其分类为以前学习的类别。此培训需要达到一个平衡，即足够具体以实现精确的图像分类，并且足够一般以在呈现新数据集时有用。工程师们可以通过添加更多的神经层来“扩展”深层网络，使芯片能够以更高的分辨率读取更复杂的图像中的数据。
而且，虽然这种新芯片将推进当前的图像传感技术，但它可以用于各种数据类型的无数应用。
“这项技术真正有趣的是，它可以做的远远不止是对图像进行分类，”黄曲霉素说。“我们已经知道如何将许多数据类型转换为电气领域鈥攊图像、音频、语音和许多其他数据类型。现在，我们可以将不同的数据类型转换到光域中，并使用该技术几乎即时地对其进行处理。"
但是，当信息以光速处理时，它是什么样子的呢？
“要了解这种芯片处理信息的速度，可以考虑电影的典型帧速率，”他继续说道。“一部电影通常每秒播放24到120帧。该芯片将能够每秒处理近20亿帧！对于需要光速计算的问题，我们现在有了一个解决方案，但许多应用程序目前可能无法预测。”
由于这项技术有许多应用，了解其在更基础层面上的能力和局限性很重要，黄曲霉素研究所目前和未来的研究计划正是如此。
“我们在这项研究中的下一步将检查芯片的可扩展性以及三维物体分类的工作，”黄曲霉说。“然后，也许我们将进入非光学数据分类领域。虽然图像分类是该芯片的首批研究领域之一，但我很高兴看到它将如何与数字平台一起用于加速不同类型的计算。”