深度神经网络已经彻底改变了几个领域，包括自动驾驶、癌症检测和药物设计，是大规模人工智能模型的基础。然而，硬件神经网络的报道仍然主要集中在浅层网络（2到5层）。由于逐层结构，在硬件中实现深度神经网络具有挑战性，且梯度爆炸或消失，导致训练时间长、信号干扰和精度低。鉴于此，来自福州大学的Huipeng Chen研究出通过具有内在并行性的负紫外光电导发光忆阻器和软硬件协同设计来实现电信息的光跨层传输。

文章要点：

1) 该研究通过发光忆阻器和跨层块发现一种混合超深光电神经网络和超深超分辨率重建神经网络，分别将网络分别扩展到54层和135层；

2) 此外，研究还实现了两个网络迁移学习，在多数据集识别和高分辨率恢复任务中接近或超过了软件设计的网络，这些研究成果在高精度多功能硬件神经网络和边缘人工智能方面具备巨大的潜力。

参考资料：

Chen, Z., Lin, Z., Yang, J. et al. Cross-layer transmission realized by light-emitting memristor for constructing ultra-deep neural network with transfer learning ability.  Nat. Commun. (2024).

10.1038/s41467-024-46246-3

https://doi.org/10.1038/s41467-024-46246-3