利用光进行信息处理是光学和光子学研究人员日益感兴趣的话题。除了为了满足未来计算需求而寻求一种节能且快速的电子计算替代方案之外，这种兴趣还受到自动驾驶汽车等新兴技术的推动，其中自然场景的超快速处理至关重要。由于自然光照条件主要涉及空间不相干光，因此在不相干光下处理视觉信息对于各种成像和传感应用至关重要。此外，用于微米和纳米尺度高分辨率成像的最先进的显微镜技术也依赖于空间不相干过程，例如样本的荧光发射。

在《光：科学与应用》杂志上发表的一篇新文章中，由美国加州大学洛杉矶分校(UCLA)电气与计算机工程系AydoganOzcan教授领导的研究小组开发了设计全空间非相干光的光学通用线性处理器。此类处理器包括一组结构工程表面，并利用这些结构化表面对光的连续衍射来执行输入光场的所需线性变换，而无需使用外部数字计算能力。

加州大学洛杉矶分校的研究人员报告了基于深度学习的设计方法，可以利用空间不相干光的光强度执行任意线性变换。这些衍射光学处理器一旦使用光刻或3D打印技术等制造而成，就可以对任何输入光强度图案执行任意选择的线性变换，从而在输出端准确地显示遵循所学习的所需函数的正确图案。研究人员还证明，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独特的不同变换。

这些发现在许多领域具有广泛的影响，包括自然场景中遇到的空间和时间不相干光的全光信息处理和视觉计算。此外，该框架在计算显微镜和具有空间变化的工程点扩散函数(PSF)的非相干成像中具有巨大的应用潜力。

这项工作的作者是加州大学洛杉矶分校Samueli工程学院的MdSadmanSakibRahman、XilinYang、JingxiLi、BijieBai和AydoganOzcan。

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：