光子处理器在能量成本高昂、人工智能计算需求剧增的背景下成为替代传统电子处理器的潜在选择，然而现有的光学神经网络在图像识别准确度上远远低于现代电子神经网络，本研究通过低维重参数模型引入了一种基于大核空间可变卷积神经网络，实现了基于纳米光学结构的光学神经网络在 CIFAR-10 数据集上达到 73.80% 的盲测分类准确度，首次超越现代数字神经网络 AlexNet（72.64%），让光学神经网络跻身于现代深度学习时代。
Aug, 2023
该论文回顾了集成光子神经形态系统的最新进展，分析当前和未来的挑战，概述了克服这些挑战所需的科学和技术进步，包括光子计算、光子集成电路、人工神经网络、机器学习和神经形态光电子学。
Oct, 2020
通过全光神经元、光子突触的结合实现了小规模的全光神经元系统，这种用于神经元和突触之间信息交流的新型系统比传统计算机更高效，尤其对于高带宽任务如通讯和图像处理尤为适用。
Feb, 2021
该综述总结了纳米光子学和机器学习相结合的最新进展，提供了不同计算方法（尤其是深度学习）在纳米光子学反向设计中的概述，并讨论了深度神经网络在光子平台上的实现。
Oct, 2018
本文介绍了一种基于光子技术和强化学习的主动学习机制的设计方案，包括 SARSA, Q-learning 和 projective simulation 等算法。该方案可实现抽象和概括机制，并且具有可扩展性和可移植性。
Jul, 2019
本文提出了一种新的方法，使用伴随变量方法导出光子反向传播算法的光学模拟，并通过在设备内进行强度测量来准确获得这些梯度，从而大大提高了光学神经网络的训练效率。
May, 2018
实现了全自学习、可重构的光学信号处理器，基于光学神经网络芯片，具有智能响应、多功能（包括多通道光开关、光学多输入 - 多输出解调器和可调光学滤波器）等特点，具有巨大的人工智能与光学信号处理的潜力。
Feb, 2019
研究使用多次散射的方法，在低光功率下实现具有程序控制的线性和非线性变换，实现光学多层网络的实现
Jul, 2023
利用自由空间光学前端单元实现第一层的线性操作，然后通过电子方式实现后续层的混合光电架构，在 Kaggle 猫狗挑战数据库中获得了 87% 的图像分类精度。
Dec, 2018
使用人工神经网络逼近多层纳米粒子的光散射，并利用反向传播求解纳米光子逆向设计问题。
Oct, 2017