本文提出了残差光学深度网络，通过构造用于可学习残差映射的衍射残差模块来训练更深层次的衍射网络。它存在一条可学习的光路捷径，这个捷径为 训练中的梯度反向传播提供了一条直接的路径，可以有效缓解梯度消失。实验结果表明，残差光学深度网络比现有的模型结构具有优越性。我们提出的光学残差学习方法是朝着大规模、高可积性光学神经网络的方向迈出的重要一步，可以有助于实现高性能的光速深度学习。
