上理工团队开发超快速的卷积光学神经网络，助力人工智能成像

最近，上海理工大学智能科技学院的顾敏院士和张启明教授领导的研究小组，成功研制出一种速度极快的卷积光学神经网络，这种技术在不需要借助光学记忆效应的前提下，能够对经过散射物质后的物体进行快速、明确的图像捕捉。这一成果不仅打破了传统光学成像方法的局限，还表明了卷积网络在人工智能领域的巨大发展前景。这项研究于6月14日以《科学进展》为刊名发表，题目是《利用超快卷积光学神经网络实现非记忆效应散射成像，并揭示其原理》，作者中，智能科技学院的张雨超担任首位署名者，顾敏与张启明则作为联合指导人。

张雨超说明，CNN是当前运用最广的一种人工智能神经网络构造，这种构造源自生物的视觉皮层系统，视觉皮层构造由Hubel和Wiesel在1981年提出并赢得诺贝尔奖。它的中心是卷积运算，能够提取图像的局部特征，并逐层建立更复杂和抽象的特征体现，显著促进了图像处理和模式识别学科的发展。

不过，这个想法在光学应用上，存在把电信号变成光信号的难题。为此，科研人员构思出一种纯光学办法，在光里直接执行卷积网络运算，无需复杂的信号转换步骤，达成了真正以光速进行计算的目标。

该技术创建了一个多级卷积网络ONN，这个网络包含多个并行单元，可以超光速运行，直接从散射光中获取信息，完成图像的迅速恢复。这个过程大幅提升了成像效率，明显改善了成像清晰度，让在复杂散射条件下的成像得以实现。此外，ONN的运算能力达到每秒1570万亿次开yunapp体育官网入口下载手机版，能够满足实时动态成像的需求。

这项技术还有一个显著优势，就是能够进行多项工作。只需稍加改动网络构造，单个光子神经网络就能并行完成好几种不同的图像处理工作，这在光学智能科学方面是头一回。张启明谈到，“这种灵活性和高效率的结合，既突出了卷积网络在智能科学中的关键作用，也为光学摄影技术指明了新的方向。”

顾敏谈到开yun体育官网入口登录app开元棋官方正版下载，技术持续进步，卷积光学神经网络应用前景广阔，将在自动驾驶、机器人视觉、医学成像等众多领域大有作为，让人类生活更加便捷，为科研提供更有力的支持。