我们都熟悉神经网络的功能，例如手写识别。 该技术的基础已经存在了很多年，但是直到最近，计算机容量和并行数据处理领域的飞跃才有可能为该技术提供一个非常实用的解决方案。 然而，基本上，该实用解决方案将以重复执行位改变的数字计算机的形式呈现，其方式与执行任何其他程序时相同。 但是，对于由威斯康星州，麻省理工学院和哥伦比亚大学的研究人员开发的神经网络来说，情况就不同了。 他们
创建了一块玻璃面板，该面板不需要自己的电源，但是能够识别手写数字 。
这种玻璃包含精确定位的内含物，例如气泡，石墨烯杂质和其他材料。 当光线照射到玻璃上时，会产生复杂的波形，导致光线在十个区域之一中变得更加强烈。 这些区域中的每一个都对应一个数字。 例如，下面显示了两个示例，它们显示了识别第二个数字时光的传播方式。
通过5000个图像的训练集，神经网络能够正确识别1000个输入图像中的79％。 该团队认为，如果能够克服玻璃生产过程带来的限制，他们可以改善结果。 他们从非常有限的设备设计入手，以获取可行的原型。 此外，他们计划继续研究各种提高识别质量的方法，同时尽量不要使技术过于复杂，以便可以将其用于生产中。 该团队还计划在玻璃中创建三维神经网络。