人工神经网络是相互连接的人工神经元层，对于机器学习任务(例如语音识别和医学诊断)非常感兴趣。实际上，电子计算硬件已接近其功能极限，但是对更大计算能力的需求却在不断增长。
研究人员将自己转向光子而不是电子，以光速传递信息。实际上，不仅光子可以比电子更快地处理信息，而且光子是当前互联网的基础，在互联网上避免所谓的电子瓶颈(将光信号转换为电子信号，反之亦然)很重要。 )。
所提出的光学神经网络能够以超高的计算速度(超过每秒10万亿次操作)识别和处理大规模数据和图像。集成光子学专家Morandotti教授解释了如何将光学频率梳(一种由许多等间隔的频率模式组成的光源)集成到计算机芯片中，并用作光学计算的节能光源。
该设备执行一种矩阵矢量乘法，称为图像处理应用程序的卷积。对于实时海量数据机器学习任务，例如在相机中识别面部或在临床扫描应用中进行病理学识别，它显示出令人鼓舞的结果。他们的方法具有可扩展性和可训练性，可针对要求更高的应用(例如无人驾驶汽车和实时视频识别)扩展到更复杂的网络，从而在不远的将来就可以与新兴的物联网完全集成。
