在光子学与人工智能深度融合的浪潮下，光学神经网络作为连接光子器件与智能计算的新兴交叉领域，正突破传统电子计算的物理极限，成为推动信息处理与计算范式革新的核心方向。从空间光场的精准调控到片上集成系统的高效运算，从物理层神经网络的构建到光 - 智协同设计的突破，该领域的科研边界不断拓展，颠覆性成果持续涌现。当前，Science、Nature 及子刊等顶级期刊发表的光学神经网络相关研究已呈现多维度突破态势：
1.光学神经网络架构创新：从空间光衍射神经网络的并行计算优势，到片上集成网络的微型化突破，实现了从宏观到微观尺度的算力升级。
2.光计算加速机制：基于光学矩阵 - 向量乘法器的深度神经网络，为 AI 算法提供了超高速、低能耗的硬件支撑，推动神经网络协处理器走向实用化。
3.超构材料与逆向设计：通过智能算法逆向设计的超构神经网络，突破了传统光学器件的功能局限，实现了光场调控与信息处理的一体化。
4.光学生成模型：光学自动编码器与生成 - 对抗网络的发展，为图像识别、光场重建等任务提供了全新的物理实现路径。
5.非线性光学突破：光学非线性激活函数的突破，解决了光计算中关键的非线性操作瓶颈，完善了光学神经网络的功能闭环。

光学神经网络导论
光学神经网络的概念和典型应用场景（神经网络/信息处理/光计算/异构计算等）
常见的光学神经网络及相关工作
空间光学上的——离散光学元件与网络
单片集成网络
异质集成网络与系统
Photonics for AI 的基本设计流程——以一个衍射神经网络为例
衍射神经网络的概念和基本设计流程分析
光子器件设计基础
神经网络基础知识简介
光子-AI耦合设计

空间光衍射神经网络
前沿论文导读（Science 361.6406 (2018)）
衍射计算基础与角谱传播方法
衍射神经网络基础
网络训练方法与器件实现实践
相关热点工作介绍与头脑风暴（Smart glass，智能相机等）

片上衍射神经网络 前沿论文导读（Nature communications 13.1 (2022)）
片上衍射神经网络计算与建模基础
仿真软件建模方法与神经网络训练方法
相关热点工作介绍与头脑风暴（多模衍射神经网络，分类器等）

光学矩阵-向量乘法器与光学深度神经网络
前沿论文导读（Nature Photonics 17.12 (2023), Nature photonics 11.7 (2017)）
空间与集成光学深度神经网络基础
计算单元器件介绍（MZI，MRR等）
仿真方法（散射矩阵，建模软件等）
典型工作与初步商业化产品介绍
相关热点工作介绍与头脑风暴（神经网络光学协处理器等）

逆向设计超构神经网络 前沿论文导读（Nature Photonics 18.5 (2024), arXiv:2506.06150 (2025)）
逆向设计介绍与逆向设计软件实现方法
基于逆向设计的超构神经网络
相关热点工作介绍与头脑风暴
光学自动编码器与光学生成-对抗网络 前沿论文导读（Nature communications 15.1 (2024)）
自动编码器与生成-对抗网络简介
光学生成-对抗网络解读
相关热点工作介绍与头脑风暴

1.精准面向光学领域从业科研人员及开发者，聚焦其在集成光学 / 空间光学方面构建光学神经网络与智能系统的知识需求与实践诉求。​
2.以当前 state of art 光学神经网络的工作为主线，紧密围绕前沿动态展开教学，确保学习者接触到领域内最先进的成果。​
3.采用前沿论文导读、核心知识点与仿真方法拆解与实践、相关热点工作介绍与头脑风暴相结合的教学模式，层次清晰且互动性强。​
4.涵盖空间光衍射神经网络、片上衍射神经网络、光学矩阵 - 向量乘法器与光学深度神经网络等多类关键内容，知识体系全面且深入。​
5.通过理论学习、实践操作和启发式扩展相结合的方式，着力增强学习者对理论和应用的整合能力及创新思考能力。​
助力学员深度理解光学器件在神经网络与人工智能应用（Photonics for AI）中的作用，提升其在该交叉领域的认知水平。