该论文讨论了光计算的基础知识和最新发展，重点是深度神经网络加速。描述了工程化光学装置、增强光电路和设计架构的各种有前景的方法，以适应各种深度神经网络工作负载。还讨论了硬件/软件协同设计的新技术，可以智能调整和映射深度神经网络模型，提高光计算平台在高性能和资源受限的嵌入式、边缘和物联网平台上的性能和能效。最后，还重点指出了该领域的若干未解决问题和未来研究方向。

本文介绍了利用深度学习设计 D2NNs 进行光计算的方法，通过特征工程和集成学习的改进，提高了图像分类准确度，在 CIFAR-10 测试图像上达到了 61.14％和 62.13％的盲测试准确率。