加州大学洛杉矶分校的研究人员对衍射光学处理器的非线性信息编码策略进行了深入分析，为其性能和实用性提供了新的见解。他们的研究发表在《光：科学与应用》上，将涉及相位编码的更易于实施的非线性编码策略与基于数据重复的非线性信息编码方法的性能进行了比较，揭示了它们在视觉信息的光学处理中的优势和局限性。

衍射光学处理器采用线性材料制造，通过使用结构化表面操纵光来执行计算任务。光学信息的非线性编码可以增强这些处理器的性能，使它们能够更好地处理复杂任务，例如图像分类、定量相位成像和加密。

由AydoganOzcan教授领导的UCLA研究团队使用不同的数据集评估了各种非线性编码策略，以评估其统计推断性能。他们的研究结果表明，衍射体积内的数据重复虽然可以提高推断准确性，但会损害衍射光学处理器的通用线性变换能力。

因此，基于数据重复的衍射块不能作为数字神经网络中常用的全连接层或卷积层的光学模拟。更一般地说，基于数据重复的衍射处理器可以被视为某些神经网络架构中使用的动态卷积核概念的简化光学模拟。尽管其特性不同，但衍射光学处理器内的数据重复架构对于推理任务仍然有效，并且在抗噪性方面具有优势。

作为替代方案，无需数据重复的输入信息相位编码提供了一种更易于实现的非线性编码策略，具有统计上可比的推理精度。通过空间光调制器或仅相位物体直接实现的相位编码因其简单性和有效性而成为一种实用的替代方案。

此外，没有数据重复的衍射处理器不需要通过数字系统对输入信息进行预处理，而视觉数据重复则需要通过数字系统对输入信息进行预处理。因此，数据重复可能非常耗时，尤其是对于仅输入相位的物体，因为在视觉数据重复发生之前需要进行数字相位恢复和预处理。

研究团队的研究成果为线性材料衍射光学系统与非线性信息编码策略之间的推拉关系提供了宝贵的见解。这些结果具有广泛的应用潜力，包括光通信、监控和计算成像。

通过非线性编码策略增强推理精度的能力可以提高各个领域的光学处理器的性能，从而实现更先进、更高效的视觉信息处理系统。

本文作者包括李宇航、李静曦和AydoganOzcan，均隶属于加州大学洛杉矶分校电气与计算机工程系。Ozcan教授还担任加州纳米系统研究所(CNSI)副主任。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：