شبکه های یادگیری عمیق در واقع سیستم های کامپیوتری هستند که با مشاهده‌ی نمونه های زیادی از انواع داده «یاد می‌گیرند» و سپس از الگوهایی استفاده می کنند که برای تفسیر داده های جدید توسعه پیدا می‌کنند. محققان یک روش برای ساخت یک شبکه یادگیری عمیق پیدا کردند که اصلأ از الکتریسیته استفاده نمی‌کند – در عوض از نور استفاده می‌کند. آن ها این شبکه را شبکه عصبی عمیق یا به طور مخفف D2NN انکساری می‌نامند.
برای ساخت چنین شبکه‌ای، محققان ورقه های پلاستیکی کوچکی را ساختند و با استفاده از یک پرینتر سه بُعدی چاپ کردند. هر ورقه یک لایه از نورون های مجازی را نشان می‌دهد – هر نورون می تواند مثل همتای بیولوژیکی اش عمل کند و نور ورودی را منتقل کند یا بازتاب دهد. آن ها در نمونه‌شان از پنج ورقه استفاده کردند که به طور رو در رو باهم قرار گرفته بودند و یک فضای کوچک بین آن ها وجود داشت. وقتی این سیستم در حال اجرا بود، نور لیزر در ورقه‌ی اول تابیده شد و راه خود را تا ورقه‌های دوم، سوم، چهارم و پنجم پیدا کرد به گونه‌ای که اطلاعات مربوط به یک شی که در جلوی دستگاه قرار گرفته بود را نشان داد. یک حسگر در پشت نور را خواند و نتایج را تفسیر کرد.
برای آزمایش این ایده، محققان تصمیم گرفتند یک شبکه عصبی فیزیکی بسازند که قادر به تشخیص اعداد صفر تا ۹ باشد و سپس یافته‌ها را گزارش دهد. در عمل، یک عدد بر روی صفحه نمایش به این سیستم نشان داده شد و سیستم نیز با شناسایی آن عدد و سپس نمایش آن با استفاده از حسگرش واکنش نشان داد. این سیستم ۵۵۰۰۰ تصویر اسکن شده از اعداد را دریافت کرد. این مرحلۀ یادگیری مستلزم کاربرد الکتریسیته بود زیرا در کامپیوتری اجرا می‌شد که داده های سیستم را تأمین می‌کرد. با آزمایش این سیستم با نمایش هزاران عدد به آن، محققان گزارش دادند که این سیستم دارای دقت ۹۵ درصد است. آن ها اشاره کردند که دستگاه شان اثباتی بر این مفهوم است و بعنوان روشی برای توسعه های دستگاه هایی برای کاربردهای سرعتی سودمند می باشد.
گروهی از محققان در دانشگاه کالیفرانیا نوع جدیدی از شبکه عصبی را طراحی کردند – شبکه ای که از بجای الکتریسیته از نور استفاده می کند. این گروه در مقاله ای که در مجله Science منتشر شده ایده هایشان، دستگاه کاری، عملکرد آن و انواع کاربردهای چنین شبکه ای را شرح دادند.
