一种全光学方法可通过随机散射体对物体进行分类
单像素宽带衍射神经网络通过未知的随机扩散器对手写数字进行分类。宽带单像素衍射光学网络将未知随机漫射器后面的输入物体的空间信息映射到输出像素孔径处的功率谱。光谱类别分数揭示了随机扩散器后面的输入对象的类型。 通过随机散射介质识别物体在医学成像、海洋学、安全、机器人和自动驾驶等众多领域都是一项既重要又有挑战性的任务。目前研究人员们也研发了有很多计算解决方案来解决该问题。不过,所有此类解决方案都需要大规模的数字计算,消耗大量的能量,同时在训练阶段从没使用过的新随机散射体仍缺乏普遍性。 美国加州大学洛杉矶分校(UCLA)的研究人员研发了一种全光学方法,能够采用衍射深度神经网络(D2NN)通过未知随机散射体对物体进行分类。D2NN能够形成一个自由空间光学计算平台,近年来引起了越来越多的研究兴趣。 全光学计算实验 D2NN通过调制通过一系列空间结构化表面的光衍射来计算给定任务,共同形成可以以光速运行的全光学计算机。这种全光计算框架具有高速、并行和低功耗的优点,可用于许多计算任务,如对象分类、定量相位成像、显微镜、通用线性变换等。 |