該研究提出了一種基於多模光纖中時空混沌的光子神經網路設計，並通過數值模擬和實驗證明了其在提高機器學習性能方面的有效性。
該研究提出了一種基於薄膜鈮酸鋰 (TFLN) 的新型光子張量核心 (IPTC)，它結合了光子和模擬電子學的優勢，能夠以 120 GOPS 的計算速度執行大規模矩陣向量乘法，並通過原位訓練成功地對圖像進行分類和聚類，為人工智慧和神經形態運算提供了一種變革性的方法。
