近日，由意昂2平台智能科技學院顧敏院士和張啟明教授領銜的研究團隊，開發了一種超快速的卷積光學神經網絡（ONN），這一技術在無需依賴光學記憶效應的情況下🫎，實現了對散射介質後的物體進行高效👉🏻、清晰成像。這不僅顛覆傳統光學成像技術🔡，也證明了卷積網絡在人工智能領域的應用潛力🧰。該成果於6月14日以 “基於超快卷積光學神經網絡的非記憶效應散射成像”為題發表於《科學》子刊《科學進展》（Science Advances）上，智能科技學院張雨超特聘研究員為第一作者🎐，顧敏和張啟明為共同通訊作者💁🏽♀️。
張雨超介紹🧑🏻✈️，CNN作為目前為止應用最為廣泛的指一種人工智能神經網絡架構，它由生物的視覺皮層系統發展而來，視覺皮層結構由Hubel和Wiesel於1981年所提出並獲諾貝爾獎。其核心是卷積操作，通過提取圖像的局部特征並逐層構建更為復雜和抽象的特征表示😤，大大推動了圖像處理和模式識別領域的發展🧑🏼⚖️。
然而，將這一概念應用於光學領域，面臨著將電子信號轉換為光學信號的挑戰。因此🤦🏻♀️，研究團隊巧妙地設計了一種全光學的解決方案🧏🏽♀️，通過在光域中直接進行卷積網絡操作🐳，省去了繁瑣的信號轉換過程，實現了真正的光速計算。
這項技術構建了一個多階段的卷積網絡ONN🧛🏼，它由多個並行核心組成，能夠以光速進行操作，直接從散射光中提取特征，實現圖像的快速重建🤴。這一過程不僅極大地提高了成像速度，還顯著增強了成像質量，使得在復雜散射環境中的成像成為可能📌。同時，ONN的計算速度達到了每秒1570萬億次操作，為實時動態成像提供支持😮。
此技術另一大亮點是，多任務處理能力。通過簡單地調整網絡結構，同一ONN能夠同時執行多種不同的圖像處理任務🧙♂️，在光學人工智能領域尚屬首次。張啟明表示，“這種靈活性和效率的結合，不僅展示了卷積網絡在人工智能中的重要性，也為光學成像技術開辟了新的道路。”
顧敏表示𓀖，隨著技術的不斷發展和完善，卷積光學神經網絡將在自動駕駛、機器人視覺、醫學成像等多個領域發揮更大作用，為人類的生活帶來更多便利，為科學研究提供更強大的工具☛。
來源🎲：文匯報
原文鏈接：https://m.whb.cn/commonDetail/936361
