玻璃AI：物理驱动智能
威斯康星大学麦迪逊分校电子及计算机工程系副教授喻宗夫（ZongFu YU）团队的玻璃AI研究，以封面形式发表在 7 月 8 日的光学期刊 Photonics Research 上。
利用结构材料本身特性。玻璃 AI 不存在以前神经网络的分层概念，它整个就是一体化的。另外，整个优化方法的过程也不是按照模拟数字神经网络的思路，而是优化麦克斯韦方程，去控制光的物理散射过程。
从实现的结果上来说更不一样。装置可以做得非常小，也不需要用任何能量，因为以前的结构需要分层，体积和能耗就比较大。

光在玻璃里面传播就是一个偏微分方程控制的波动过程，而神经网络和偏微分方程有很大的相似性。利用这种相似性，以波动方程为载体实现神经网络的计算效果。

光打到玻璃里的小孔上，就会被散射开。小孔就像数字神经网络里的节点，它们把输入混合起来，产生输出。训练过程，就要去做和神经网络一样的梯度下降，去调整玻璃里面的小孔和非线性材料的位置与大小。

以前的人工智能都是用计算机完成的，现在是利用非数字模拟的物理作用来实现，所以说在这方面是一个突破。如此引申的话，很多其他物理作业比如声波也可以这样操作。——物理驱动智能，利用物理来做智能计算有广泛的应用价值。