【光学前沿资讯】卷积光学神经网络：开启人工智能成像新纪元
近年来，人工智能技术的快速发展极大地推动了社会进步，特别是在产业变革方面发挥了重要作用。卷积神经网络（CNN）因其卓越的图像识别能力，在人工智能技术领域，尤其是在ChatGPT中，表现尤为突出。最近，一项创新性的科研成果将卷积神经网络的概念引入光学领域，为人工智能成像技术带来了革命性的进展。
上海理工大学智能科技学院的张启明教授和智能科技学院、张江实验室光计算所的顾敏院士领导的研究团队，成功开发了一种超快速的卷积光学神经网络（ONN）。该技术在不依赖光学记忆效应的情况下，实现了对散射介质后物体的清晰成像，这一成果不仅颠覆了传统光学成像技术，也深刻展示了卷积网络在人工智能中的应用潜力。该研究成果于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》上，张雨超特聘研究员为第一作者，顾敏院士和张启明教授为共同通讯作者。
卷积神经网络，作为一种广泛应用的人工智能神经网络架构，其灵感来源于生物的视觉皮层系统。卷积操作作为其核心，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，极大地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。研究团队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。
这项技术的核心在于构建了一个多阶段的卷积网络，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，卷积光学神经网络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了强大的支持。
此外，该技术还展示了其多任务处理能力。通过简单地调整网络结构，同一卷积光学神经网络能够同时执行多种不同的图像处理任务，这在光学人工智能领域尚属首次。张启明教授表示：“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。”
顾敏院士指出：“随着技术的不断发展和完善，我们有理由相信，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将发挥更加重要的作用，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。这是卷积网络的力量，也是人工智能的魅力。”
-
AI机器人自动装调光学系统：Science Advances最新研究解读
这项研究由MIT团队完成，平台名为OptoMate。它要解决的问题很直接：能不能让研究人员用自然语言描述实验目标，剩下的——设计光路、摆放元件、精密对准、执行测量——全部由机器自动完成？
2026-08-20
-
光学系统的透过率检测：从单波长到全光谱的测量方法
一个镜头标注"透过率≥95%"，这个95%是什么意思？在哪个波长？中心波长还是全波段？一片看起来透亮的镜片，可能在550nm透过率高达99%，但在650nm却只有85%——这个差异会直接影响成像系统的色彩还原和光通量。透过率（Transmittance）是光学元件最基本、却也最容易被笼统对待的参数。精密测量需要明确回答三个问题：测哪个波长、测多大的入射角、测透过还是测透射。本文从透过率的定义、单波长与全光谱测量方法、以及测量误差的控制三个维度，系统介绍光学透过率检测。
2026-08-19
-
干涉仪的光源：稳频激光器如何决定检测精度
干涉仪测量面形精度的核心依据是"波长"——光波长λ是干涉测量的"尺子"。如果这把尺子本身在漂移，测量结果就失去了基准。一片镜片测出面形RMS=0.02λ，但如果光源波长漂移了万分之一，这个"λ"本身的定义就偏差了万分之四——直接转化为测量误差。干涉仪的光源（通常是稳频氦氖激光器）是整个测量系统的精度基准，它的波长稳定性、相干性和功率稳定性，直接决定了干涉测量的精度上限。本文从干涉测量对光源的要求、稳频激光器的工作原理和光源质量对测量的影响三个维度，系统介绍干涉仪光源的工程理解。
2026-08-19
-
用 1.5 秒守住百万片产线： ImageMaster®PRO AR Reflection 把 AR 波导检测做成了「快门」
中国智能眼镜零售量 40.2 万台，同比+96%；零售额 8.1 亿元，同比+102%；4 月份单月又跳到+119%。商务部数据把这条曲线再推一层：2026 年 4 月智能眼镜网络零售额同比+175.2%。IDC 把视野放到全球：2026 年全球 AI 眼镜出货预计 2368.7 万台，中国市场 491.5 万台、同比+77.7%。
2026-08-19
-
振动/冲击工况读图指南 — 从一份随机振动+冲击试验报告看镜头"在路上"的稳定度
拿到 WaveMaster 或其他波前传感器输出的一份"温度扫描"报告，下一步该看什么？本文讲清三件事：报告里到底在测什么、三步判读法怎么走、四种典型变温模式如何识别。文末附一份 5 项异常检查清单，可以照着对一份新报告。
2026-08-18
