一項(xiàng)突破性的科研成果將卷積神經(jīng)網(wǎng)絡(luò)的概念引入光學(xué)領(lǐng)域，為人工智能成像技術(shù)帶來了進(jìn)展。

澎湃新聞?dòng)浾?月17日獲悉，由上海理工大學(xué)智能科技學(xué)院張啟明教授，智能科技學(xué)院、張江實(shí)驗(yàn)室光計(jì)算所顧敏院士領(lǐng)銜的研究團(tuán)隊(duì)，開發(fā)了一種超快速的卷積光學(xué)神經(jīng)網(wǎng)絡(luò)(ONN)，這一技術(shù)在無需依賴光學(xué)記憶效應(yīng)的情況下，實(shí)現(xiàn)了對散射介質(zhì)后的物體進(jìn)行高效、清晰的成像。這不僅是對傳統(tǒng)光學(xué)成像技術(shù)的一次顛覆，更是卷積網(wǎng)絡(luò)在人工智能中應(yīng)用潛力的一次展示。

該成果于6月14日以?“基于超快卷積光學(xué)神經(jīng)網(wǎng)絡(luò)的非記憶效應(yīng)散射成像”為題發(fā)表于《科學(xué)》(Science)子刊《科學(xué)進(jìn)展》(Science Advances)上，智能科技學(xué)院張雨超特聘研究員為第一作者，顧敏院士和張啟明教授為共同通訊作者。

CNN作為目前為止應(yīng)用最為廣泛的一種人工智能神經(jīng)網(wǎng)絡(luò)架構(gòu)，它由生物的視覺皮層系統(tǒng)發(fā)展而來，視覺皮層結(jié)構(gòu)由Hubel和Wiesel于1981年所提出，并獲得了諾貝爾獎(jiǎng)。卷積操作作為CNN中的核心，通過提取圖像的局部特征并逐層構(gòu)建更為復(fù)雜和抽象的特征表示，極大地推動(dòng)了圖像處理和模式識別領(lǐng)域的發(fā)展。然而，將這一概念應(yīng)用于光學(xué)領(lǐng)域，面臨著將電子信號轉(zhuǎn)換為光學(xué)信號的挑戰(zhàn)。研究團(tuán)隊(duì)巧妙地設(shè)計(jì)了一種全光學(xué)的解決方案，通過在光域中直接進(jìn)行卷積網(wǎng)絡(luò)操作，省去了繁瑣的信號轉(zhuǎn)換過程，實(shí)現(xiàn)了真正的光速計(jì)算。

這項(xiàng)技術(shù)的關(guān)鍵在于構(gòu)建了一個(gè)多階段的卷積網(wǎng)絡(luò)ONN，它由多個(gè)并行核心組成，能夠以光速進(jìn)行操作，直接從散射光中提取特征，實(shí)現(xiàn)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(qiáng)了成像質(zhì)量，使得在復(fù)雜散射環(huán)境中的成像成為可能。同時(shí)，ONN的計(jì)算速度達(dá)到了每秒1570萬億次操作，為實(shí)時(shí)動(dòng)態(tài)成像提供了強(qiáng)大的支持。

研究成果? 上海理工大學(xué) 供圖

此技術(shù)另一大亮點(diǎn)是其多任務(wù)處理能力。通過簡單地調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)，同一ONN能夠同時(shí)執(zhí)行多種不同的圖像處理任務(wù)，如分類、重建等，在光學(xué)人工智能領(lǐng)域尚屬首次。張啟明提到:“這種靈活性和效率的結(jié)合，不僅展示了卷積網(wǎng)絡(luò)在人工智能中的重要性，也為光學(xué)成像技術(shù)開辟了新的道路。”

這項(xiàng)技術(shù)不僅是對卷積神經(jīng)網(wǎng)絡(luò)在光學(xué)領(lǐng)域的一次成功移植，更是對人工智能成像技術(shù)的一次重大推動(dòng)。顧敏表示:“隨著技術(shù)的不斷發(fā)展和完善，卷積光學(xué)神經(jīng)網(wǎng)絡(luò)將在自動(dòng)駕駛、機(jī)器人視覺、醫(yī)學(xué)成像等多個(gè)領(lǐng)域?qū)l(fā)揮更加重要的作用，為人類的生活帶來更多便利，為科學(xué)研究提供更強(qiáng)大的工具?！?/p>