光學(xué)計(jì)算是幾十年前的熱門(mén)研究課題，它再次成為一種有前途的技術(shù)-這次得到了人工智能的支持。

加州大學(xué)洛杉磯分校薩穆里分校工程學(xué)院Volgenau工程創(chuàng)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(jìn)展及其對(duì)視覺(jué)計(jì)算應(yīng)用的影響。新興的研究領(lǐng)域表明，基于穿過(guò)光學(xué)設(shè)備的入射光進(jìn)行的AI推理可以在新的視覺(jué)計(jì)算技術(shù)和功能中發(fā)揮關(guān)鍵作用，而這些技術(shù)和功能幾乎不需要運(yùn)行電源。本文的共同作者是斯坦福大學(xué)，麻省理工學(xué)院，瑞士洛桑聯(lián)邦理工學(xué)院，法國(guó)索邦大學(xué)和德國(guó)明斯特大學(xué)的研究人員。

這組作者說(shuō)，多年來(lái)使用光子而不是電子來(lái)進(jìn)行計(jì)算的光學(xué)計(jì)算已經(jīng)顯示出了潛力。但是，有限的應(yīng)用程序和技術(shù)障礙導(dǎo)致熱情從1980年代的鼎盛時(shí)期下降到1990年代的興趣減弱。

在隨后的幾十年中，盡管在開(kāi)發(fā)光學(xué)計(jì)算平臺(tái)方面取得了一些進(jìn)步，但技術(shù)發(fā)展成為實(shí)用的通用系統(tǒng)仍然面臨挑戰(zhàn)。但是，根據(jù)研究人員的說(shuō)法，近年來(lái)出現(xiàn)了一個(gè)亮點(diǎn)。

從2010年代開(kāi)始，深度神經(jīng)網(wǎng)絡(luò)的主要成功(一種通常稱為深度學(xué)習(xí)的人工智能類型，它使用一系列的層和節(jié)點(diǎn)來(lái)處理信息)為光學(xué)計(jì)算的新興應(yīng)用提供了一種工具?？梢岳蒙疃葘W(xué)習(xí)技術(shù)的一些熟悉的商業(yè)產(chǎn)品包括自動(dòng)駕駛汽車，機(jī)器人視覺(jué)，智能家居，遙感和醫(yī)學(xué)成像。這些應(yīng)用中基于AI的光學(xué)系統(tǒng)可以通過(guò)使用入射光中的信息來(lái)快速分析對(duì)象及其周圍環(huán)境，從而增強(qiáng)常規(guī)電子計(jì)算機(jī)的功能。這樣的混合計(jì)算系統(tǒng)可以結(jié)合光學(xué)計(jì)算的速度和并行性電子計(jì)算的靈活性和成熟度。在不損害性能的前提下，使此類系統(tǒng)具有更高的能效仍是一項(xiàng)重大考驗(yàn)。

Ozcan領(lǐng)導(dǎo)了一項(xiàng)開(kāi)創(chuàng)性研究，該研究于2018年開(kāi)發(fā)了一個(gè)光學(xué)神經(jīng)網(wǎng)絡(luò)，該神經(jīng)網(wǎng)絡(luò)可以即時(shí)處理和識(shí)別物體，而無(wú)需除入射光外的其他能量，還進(jìn)行了一項(xiàng)后續(xù)研究，顯示對(duì)該概念的重大改進(jìn)。他還率先努力在醫(yī)學(xué)成像中使用人工智能，例如從活細(xì)胞和組織的2D圖像構(gòu)建全面的3D圖像，以及將低分辨率的顯微圖像轉(zhuǎn)換為分辨率更高且更詳細(xì)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(chǔ)。

Ozcan在UCLA擔(dān)任電氣和計(jì)算機(jī)工程以及生物工程學(xué)的教員。他還是加利福尼亞納米系統(tǒng)研究所(CNSI)的副主任，霍華德·休斯醫(yī)學(xué)研究所的HHMI教授。