人工神经网络,作为一种学习算法,在近几十年来取得了快速的发展,并在不同领域取得应用.然而,由于计算机处理器的运算速度的发展的放缓,以及冯·诺伊曼架构下,存储单元与处理单元物理分割带来的延迟,本就十分依赖计算机运算速度的人工神经网络的发展受到了严重的限制.因此,研究者一直在尝试直接利用硬件搭建人工神经网络,光学架构便是其中一种,而光学架构的神经网络的运算又受限于节点的光学非线性,但近期,研究者在激子极化子的玻色爱因斯坦凝聚态下观察到了极强的光学非线性,这也使激子极化子称为一个潜在的光学神经网络平台,也有研究者尝试利用它们实现神经网络.在这里,我们从神经网络的基本模型以及激子极化子的非线性特性出发,总结了为数不多的利用激子极化子实现神经网络的研究.同时,我们指出当前激子极化子神经网络最大的缺陷在于无法很好的控制极化子的光学非线性,从而只能选取一些不需要训练隐层的方案如储层神经网络进行搭建.由于激子极化子的反应时间普遍在皮秒量级,其尺寸在微米量级,这使得它们的理论运算速度非常迅速,同时,可以在一片空间内排部大量的神经元,这些特性使其在某些方面已经超越此前最先进的硬件神经网络,但仍然由很大的潜力继续发展并尝试走向应用.