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一个研究小组，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的物体进行快速、清晰的捕捉。这一成果不仅打破了传统光学成像方法的局限，还展示了卷积网络在人工智能方面的巨大发展前景。这项研究在6月14日以《科学进展》为期刊，题为《利用超快卷积光学神经网络实现无记忆效应的散射成像》，发表在该刊上kaiyun全站登录网页入口，智能科技学院特聘研究员张雨超是主要作者，顾敏与张启明为联合指导。

张雨超表示，CNN是当前运用最广的一种人工智能神经网络类型，这种网络架构源自生物的视觉皮层系统，而视觉皮层的构造由Hubel和Wiesel在1981年提出并因此获得诺贝尔奖。CNN的关键在于卷积运算，它能够提取图像的局部特征，并且逐层建立起更加复杂和抽象的特征表达开yun体育app官网网页登录入口，这一技术极大地促进了图像处理和模式识别学科的发展。

但是，把这种思路用到光学上，需要解决电子信号变光学信号的问题。为此，研究集体构思了一种纯光学的办法，在光线空间里直接完成卷积网络运算，免去了复杂的信号转换环节，达成了真正以光速进行计算的目标。

这项技术创建了一个多级卷积网络，该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，完成图像的迅速复原。这一流程不仅大幅提升了成像效率，还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，该网络的运算能力达到每秒1万7千7百亿次的水平，能够满足实时动态成像的需求。

这项技术的显著优势在于，能够胜任多种并行作业。借助对网络布局的轻微改动，单个光子神经网络即可同步开展多种图像分析工作，这在光学智能学科中尚属首创。张启明指出，“这种灵活性与效能的融合，不仅彰显了卷积网络在人工智能领域的核心价值，也为光学摄影技术指明了崭新的发展方向。”

顾敏谈到kaiyun官方网站登录入口，技术持续进步，卷积光学神经网络将在自动驾驶、机器人视觉、医学成像等众多领域展现出更显著的能力，为人们的生活提供更多便利，为科学探索提供更强有力的支持。