研究顯示通過人工智能進行光學計算的亮點

光學計算是幾十年前的熱門研究課題，它再次成為一種有前途的技術-這次得到了人工智能的支持。

加州大學洛杉磯分校薩穆里分校工程學院Volgenau工程創新教授Aydogan Ozcan及其同事在《自然》雜志上概述了人工智能的最新進展及其對視覺計算應用的影響。新興的研究領域表明，基于穿過光學設備的入射光進行的AI推理可以在新的視覺計算技術和功能中發揮關鍵作用，而這些技術和功能幾乎不需要運行電源。本文的共同作者是斯坦福大學，麻省理工學院，瑞士洛桑聯邦理工學院，法國索邦大學和德國明斯特大學的研究人員。

這組作者說，多年來使用光子而不是電子來進行計算的光學計算已經顯示出了潛力。但是，有限的應用程序和技術障礙導致熱情從1980年代的鼎盛時期下降到1990年代的興趣減弱。

在隨后的幾十年中，盡管在開發光學計算平臺方面取得了一些進步，但技術發展成為實用的通用系統仍然面臨挑戰。但是，根據研究人員的說法，近年來出現了一個亮點。

從2010年代開始，深度神經網絡的主要成功(一種通常稱為深度學習的人工智能類型，它使用一系列的層和節點來處理信息)為光學計算的新興應用提供了一種工具。可以利用深度學習技術的一些熟悉的商業產品包括自動駕駛汽車，機器人視覺，智能家居，遙感和醫學成像。這些應用中基于AI的光學系統可以通過使用入射光中的信息來快速分析對象及其周圍環境，從而增強常規電子計算機的功能。這樣的混合計算系統可以結合光學計算的速度和并行性電子計算的靈活性和成熟度。在不損害性能的前提下，使此類系統具有更高的能效仍是一項重大考驗。

Ozcan領導了一項開創性研究，該研究于2018年開發了一個光學神經網絡，該神經網絡可以即時處理和識別物體，而無需除入射光外的其他能量，還進行了一項后續研究，顯示對該概念的重大改進。他還率先努力在醫學成像中使用人工智能，例如從活細胞和組織的2D圖像構建全面的3D圖像，以及將低分辨率的顯微圖像轉換為分辨率更高且更詳細的圖像。這些概念可以為《自然》雜志中描述的“思維顯微鏡”奠定基礎。

Ozcan在UCLA擔任電氣和計算機工程以及生物工程學的教員。他還是加利福尼亞納米系統研究所(CNSI)的副主任，霍華德·休斯醫學研究所的HHMI教授。