研究显示通过人工智能进行光学计算的亮点

光学计算是几十年前的热门研究课题，它再次成为一种有前途的技术-这次得到了人工智能的支持。

加州大学洛杉矶分校萨穆里分校工程学院Volgenau工程创新教授Aydogan Ozcan及其同事在《自然》杂志上概述了人工智能的最新进展及其对视觉计算应用的影响。新兴的研究领域表明，基于穿过光学设备的入射光进行的AI推理可以在新的视觉计算技术和功能中发挥关键作用，而这些技术和功能几乎不需要运行电源。本文的共同作者是斯坦福大学，麻省理工学院，瑞士洛桑联邦理工学院，法国索邦大学和德国明斯特大学的研究人员。

这组作者说，多年来使用光子而不是电子来进行计算的光学计算已经显示出了潜力。但是，有限的应用程序和技术障碍导致热情从1980年代的鼎盛时期下降到1990年代的兴趣减弱。

在随后的几十年中，尽管在开发光学计算平台方面取得了一些进步，但技术发展成为实用的通用系统仍然面临挑战。但是，根据研究人员的说法，近年来出现了一个亮点。

从2010年代开始，深度神经网络的主要成功(一种通常称为深度学习的人工智能类型，它使用一系列的层和节点来处理信息)为光学计算的新兴应用提供了一种工具。可以利用深度学习技术的一些熟悉的商业产品包括自动驾驶汽车，机器人视觉，智能家居，遥感和医学成像。这些应用中基于AI的光学系统可以通过使用入射光中的信息来快速分析对象及其周围环境，从而增强常规电子计算机的功能。这样的混合计算系统可以结合光学计算的速度和并行性电子计算的灵活性和成熟度。在不损害性能的前提下，使此类系统具有更高的能效仍是一项重大考验。

Ozcan领导了一项开创性研究，该研究于2018年开发了一个光学神经网络，该神经网络可以即时处理和识别物体，而无需除入射光外的其他能量，还进行了一项后续研究，显示对该概念的重大改进。他还率先努力在医学成像中使用人工智能，例如从活细胞和组织的2D图像构建全面的3D图像，以及将低分辨率的显微图像转换为分辨率更高且更详细的图像。这些概念可以为《自然》杂志中描述的“思维显微镜”奠定基础。

Ozcan在UCLA担任电气和计算机工程以及生物工程学的教员。他还是加利福尼亚纳米系统研究所(CNSI)的副主任，霍华德·休斯医学研究所的HHMI教授。