近日，由yl7703永利官网智能科技学院顾敏院士和张启明教授领衔的研究团队，开发了一种超快速的卷积光学神经网络（ONN），这一技术在无需依赖光学记忆效应的情况下，实现了对散射介质后的物体进行高效、清晰成像。这不仅颠覆传统光学成像技术，也证明了卷积网络在人工智能领域的应用潜力。该成果于6月14日以 “基于超快卷积光学神经网络的非记忆效应散射成像”为题发表于《科学》子刊《科学进展》（Science Advances）上，智能科技学院张雨超特聘研究员为第一作者，顾敏和张启明为共同通讯作者。
张雨超介绍，CNN作为目前为止应用最为广泛的指一种人工智能神经网络架构，它由生物的视觉皮层系统发展而来，视觉皮层结构由Hubel和Wiesel于1981年所提出并获诺贝尔奖。其核心是卷积操作，通过提取图像的局部特征并逐层构建更为复杂和抽象的特征表示，大大推动了图像处理和模式识别领域的发展。
然而，将这一概念应用于光学领域，面临着将电子信号转换为光学信号的挑战。因此，研究团队巧妙地设计了一种全光学的解决方案，通过在光域中直接进行卷积网络操作，省去了繁琐的信号转换过程，实现了真正的光速计算。
这项技术构建了一个多阶段的卷积网络ONN，它由多个并行核心组成，能够以光速进行操作，直接从散射光中提取特征，实现图像的快速重建。这一过程不仅极大地提高了成像速度，还显著增强了成像质量，使得在复杂散射环境中的成像成为可能。同时，ONN的计算速度达到了每秒1570万亿次操作，为实时动态成像提供支持。
此技术另一大亮点是，多任务处理能力。通过简单地调整网络结构，同一ONN能够同时执行多种不同的图像处理任务，在光学人工智能领域尚属首次。张启明表示，“这种灵活性和效率的结合，不仅展示了卷积网络在人工智能中的重要性，也为光学成像技术开辟了新的道路。”
顾敏表示，随着技术的不断发展和完善，卷积光学神经网络将在自动驾驶、机器人视觉、医学成像等多个领域发挥更大作用，为人类的生活带来更多便利，为科学研究提供更强大的工具。
来源：文汇报
原文链接：https://m.whb.cn/commonDetail/936361
