【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。”