基于深度学习算法的计算光学研究进展

• 作者: 王一同 周宏强 闫景逍 合聪 黄玲玲
• 来源期刊: 中国激光
• 学科: 工学
• 关键词: 光计算 深度学习 神经网络 超表面 计算光学
• 年，卷（期）: 2021,（19）
• 所属期刊栏目: 激光前沿应用|Laser Frontier Applications
• 页码范围: 255-277
• 页数: 23页
• 分类号: TN202
• 语种: 中文
• DOI: 10.3788/CJL202148.1918004

摘要

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.