洛杉矶，2023 年 8 月 22 日 — 由加州大学洛杉矶分校 (UCLA) Aydogan Ozcan 教授领导的研究团队开发了一种基于深度学习的方法来设计空间不相干衍射光学处理器。该方法提供了一种构建在自然光下工作的全光学视觉处理器的方法。经过深度学习，衍射光学处理器可以将任何输入光强度模式转换为正确的输出模式。 

研究人员相信，他们的衍射光学处理器设计将具有广泛的应用，此外还将有助于寻求一种快速、节能的电子计算替代方案，以满足未来的计算需求。 

由于自然照明条件通常涉及空间不相干光，因此在不相干光下处理视觉信息的能力对于需要超快速处理自然场景的应用（例如自动驾驶汽车）至关重要。在不相干光下处理信息的能力对于高分辨率显微镜应用也很有用，这些应用包括空间不相干过程，例如样品的荧光发射。 

衍射光学处理器由结构工程表面制成，可以使用光刻或 3D 打印技术制造。结构化表面利用光的连续衍射来执行输入光场的线性变换，而无需使用外部数字计算能力。 
使用空间不相干衍射处理器的通用线性强度变换。由加州大学洛杉矶分校 Ozcan 实验室提供。

研究人员使用数值模拟和深度学习，通过输入输出轮廓的示例来证明，在空间不相干光下，衍射光学处理器可以被训练来执行处理器输入和输出之间的时间平均强度的任意线性变换。输出视野。

研究人员设计了空间不相干衍射处理器，用于在同时工作的多个照明波长下对强度信息进行线性处理。他们证明，使用空间不相干宽带光，可以同时执行多个线性强度变换，并为每个空间不相干照明波长分配不同的变换。 
此外，研究人员还通过数值演示了一种衍射网络设计，该设计可以在空间不相干照明下对手写数字进行全光学分类，测试精度达到 95% 以上。 

该团队的数值分析表明，具有浅架构的纯相位衍射光学处理器（例如，只有一个可训练衍射表面的处理器）无法准确近似任意强度变换，无论可用于优化的衍射特征总数是多少。研究人员进一步发现，相比之下，具有更深架构的纯相位衍射光学处理器（例如，一个衍射层跟随其他层的处理器）可以使用空间不相干照明执行任意强度线性变换，且误差可以忽略不计。 

这些发现可用于构建全光学信息处理和视觉计算系统，例如使用空间和时间不相干光来可视化自然场景。衍射光学处理器还具有支持计算显微镜和非相干成像应用的潜力，这些应用具有空间变化的工程点扩散函数。 

该研究发表在《光：科学与应用》（www.doi.org/10.1038/s41377-023-01234-y）上。