Հետազոտողներն Արհեստական բանականության զարգացման ոլորտում նոր առաջընթաց են գրանցել․ հաշվարկները կատարելու համար նրանք էլեկտրականության փոխարեն լույս են օգտագործել։ Այս մեթոդը զգալիորեն բարելավվում է նյարդային ցանցերի մեքենայական ուսուցման արագությունն ու արդյունավետությունը։ Սա այն է ինչին ձգտում են գիտնականները՝ ստեղծել ԱԲ-ի մի ձև, որը կվերարտադրի մարդու ուղեղի կողմից կատարվող գործառույթները: ԱԲ-ն կսովորի ինքնուրույն և առաջադրանքները կկատարի ինքն իրենով՝ առանց հսկողության։
Մեքենայական ուսուցման համար օգտագործվող ժամանակակից պրոցեսորները բարդ գործողությունների կատարման համար բավականին թույլ են։ Որքան խելացի ու ընդգրկուն են առաջադրանքները, այնքան բարդ են տվյալները և, հետևաբար, առաջանում է խնդիր՝ կապված պրոցեսորի հզորության հետ։
Ջորջ Վաշինգտոն համալսարանի (ԱՄՆ) հետազոտողները պարզել են, որ նյարդային ցանցերում ֆոտոնների օգտագործումը, թույլ կտա հաղթահարել այդ սահմանափակումներն ու ստեղծել ավելի հզոր և էներգաարդյունավետ ԱԲ։
Նորարարական պրոցեսորի համար պոտենցիալ կոմերցիոն հավելվածները ներառում են 5G և 6G ցանցեր, ինչպես նաև՝ տվյալների մշակման կենտրոններ, որոնց հանձնարարված է իրականացնել տվյալների մեծ հոսքերի մշակում: Ըստ մշակողների, ֆոտոնային մասնագիտացված պրոցեսորները կարող են խնայել մեծ քանակությամբ էներգիա, կրճատել պատասխան ազդանշանի ժամանակն ու կրճատել տվյալների մշակման կենտրոնների շարժը:
Կատարված հետազոտության արդյունքները հրապարակվել են Applied Physics Reviews ամսագրում։