光计算和光电智能计算研究进展

光计算是采用光信号承载计算数据并利用光学设备进行计算的方式,具有多维度、低延时、低功耗等显著优势。将光计算器件与现有电子计算设备相结合构成光电智能计算架构,有望突破摩尔定律的限制,满足人工智能大算力需求,颠覆传统电子计算范式,近年来在学术界和产业界引起越来越浓厚的研究兴趣。围绕光计算的两大分支——光学算子和光学神经网络展开综述,深入探讨各自的工作原理和特点、系统架构特征及应用场景。最后,对光计算和光电智能计算面临的挑战和未来的发展趋势进行展望。

基于深度学习算法的计算光学研究进展

随着大数据时代的来临,深度学习被广泛地应用于图像处理、语音识别、自动驾驶等领域。作为一种数据驱动的算法,深度学习应用于光学领域可以有效地提高计算效率和成像质量,接近甚至突破物理极限,并且以光子为媒介诞生的光学神经网络能够突破传统电子神经网络的限制,具有高速、低损耗的优势。通过实例详细分析了深度学习在微纳结构设计与光谱响应预测、全息成像应用、光学感知与成像技术、新型光子驱动神经网络等方向的应用,并分析了深度学习与光学结合存在的挑战,对该领域的发展方向与前景进行了展望。