神经网络计算机面临新问题已取得重要的进展，但仍存在许多亟待解决的问题

如处理精确度不高，抗噪声干扰能力差，光学互连的双极性和可编程问题以及系统的集成化和小型化问题等

这些问题直接关系到神经网络计算机的进一步发展、性能的完善及广泛的实用化

 双极神经元态与双极互连问题光学神经网络中的互连不仅数量大（N个神经无要求有N[2，2]个互连）、精度高（不是二值的，而是有一定的灰度分布），而且还有正负极性的要求

除此之外，神经元状态也要求有双极性

但是用光学实现双极性是有困难的

目前，已提出了多种解决双极性的方法，但都带来了其它缺点，如系统复杂化、光能损失大及互连动态范围减小等

 大规模光学神经网络系统的实现神经网络的整体性能与网络中的神经元数有密切关系

虽然光学互连的高度并行性在原则上提供了实现大规模神经网络的可能性，但随着神经元数目的增加，互连数将会按平方律增加

在系统尺寸一定的条件下，神经元数必然受到空间带宽积、衍射和畸变的限制

因此大规模神经网络的实现将对光学设计、离轴光学、衍射光学、二元光学器件、集成光学器件以及计算机制全息器件提出更高的要求

 可编程和可调节光学互连的实现一般神经网络系统中用互连模板实现的互连权重是不可调的

这就使得一个系统只能适用于某种目的或某些特定目标，应用范围因此而受到极大限制

而可编程和可调节光学互连的实现，将使光学神经网络由目前的专用型系统进一步发展为通用型，并具有自组织、自学习的能力

 空间光调制器的研制由于学习和迭代的需要，光学神经网络中的空间光调制器（SLM）也是必不可少的器件之一

随着神经网络研究的深入发展，对SLM的空间分辨率、响应速度、对比度、灰度级等都提出了更高的要求，因此，高质量空间光调制器的研制迫在眉睫

 非线性器件光学神经网络中的非线性操作目前仍采用电子学或计算机处理的方法

这就违背了神经网络的并行性要求

并行光学非线性运算的实现，要求有阈值可调、响应函数形式可调的非线性器件，这也是一个亟待解决的复杂问题

另外，随着光学神经网络研究的不断深入，对硬件的实用性要求也在不断提高

系统的集成化与小型化势在必行

这方面，光电混合集成芯片的研制成功是令人鼓舞的

由此可见，对于神经网络的实现来说，光学与电子学技术都各有其长处

充分发挥二者的优势，形成一个光电混合处理的硬件系统，将是未来神经网络计算机发展的重要趋势

以上内容由大学时代综合整理自互联网，实际情况请以官方资料为准。