器學(xué)習(xí)技術(shù)背景：深度學(xué)習(xí)是發(fā)展最快的機(jī)器學(xué)習(xí)方法之一，它利用在計(jì)算機(jī)中實(shí)現(xiàn)的多層人工神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)的表示和抽象進(jìn)行數(shù)字化學(xué)習(xí)，并執(zhí)行高級(jí)任務(wù)，與人類專家的表現(xiàn)相當(dāng)甚至優(yōu)于人類專家。深度學(xué)習(xí)的最新應(yīng)用進(jìn)展主要包括醫(yī)學(xué)圖像分析、語(yǔ)音識(shí)別、語(yǔ)言翻譯、圖像分類等。除了這些主流應(yīng)用之外，深度學(xué)習(xí)方法也被用于解決逆成像問(wèn)題。當(dāng)前不足：當(dāng)前的深度學(xué)習(xí)框架主要是在計(jì)算機(jī)中訓(xùn)練及執(zhí)行的，而受限于摩爾定律接近其物理極限，硅基計(jì)算機(jī)的性能增長(zhǎng)已經(jīng)逐漸達(dá)到不可持續(xù)的水平，急需新一代的計(jì)算模式。文章創(chuàng)新點(diǎn)：基于此，美國(guó)加州大學(xué)洛杉磯分校(UCLA)Aydogan Ozcan組的Xing Lin和Yair Rivenso ...

能推理技術(shù)背景：當(dāng)今需要理解的視覺(jué)數(shù)據(jù)量不斷增加，迫使計(jì)算系統(tǒng)的計(jì)算能力持續(xù)攀升。在一系列應(yīng)用中，如自動(dòng)駕駛、機(jī)器視覺(jué)、智能家居、遙感、顯微鏡、安防監(jiān)控、國(guó)防和物聯(lián)網(wǎng)等，計(jì)算成像系統(tǒng)需要記錄和處理前所未有的大量數(shù)據(jù)。這些數(shù)據(jù)不是給人類看的，而是由人工智能 (AI) 算法來(lái)解釋。在這些應(yīng)用中，深度神經(jīng)網(wǎng)絡(luò)(DNN)以其無(wú)與倫比的性能迅速成為視覺(jué)數(shù)據(jù)處理的標(biāo)準(zhǔn)算法。這主要得益于現(xiàn)代GPU的強(qiáng)大并行計(jì)算能力以及海量的數(shù)據(jù)集使得DNN能夠使用監(jiān)督學(xué)習(xí)的策略有效訓(xùn)練。然而，運(yùn)行越來(lái)越復(fù)雜的神經(jīng)網(wǎng)絡(luò)的高端GPU以及其它的加速器，對(duì)功率和帶寬的需求是驚人的，且需要大量的計(jì)算時(shí)間和龐大的體積。這些限制使得DN ...

率成像技術(shù)背景：超越衍射極限分辨率的光學(xué)成像技術(shù)推動(dòng)了細(xì)胞內(nèi)研究和單分子水平化學(xué)反應(yīng)研究的發(fā)展。超分辨率受激發(fā)射損耗顯微鏡可以實(shí)現(xiàn)具有超高時(shí)空精度的三維成像。對(duì)于單分子檢測(cè)和定位技術(shù)，如隨機(jī)光學(xué)重建顯微鏡或光激活(photo-actived)定位顯微鏡,可光開(kāi)關(guān)探針(photo-switchable probes)的位置定義為衍射極限點(diǎn)的中心位置。多次重復(fù)成像過(guò)程，每一次對(duì)不同的隨機(jī)激活熒光團(tuán)成像，可以實(shí)現(xiàn)納米級(jí)的重建分辨率。然而，對(duì)樣品透明性的要求，使得這些超分辨顯微鏡技術(shù)不可能用于被強(qiáng)散射介質(zhì)(如生物組織、磨砂玻璃、粗糙墻角等)掩埋的物體。這些介質(zhì)對(duì)光的吸收不強(qiáng)烈，但是擾亂了光路，產(chǎn)生像噪 ...

析成像技術(shù)背景：透明生物樣品的光學(xué)顯微鏡成像可以大體分為無(wú)標(biāo)記和有標(biāo)記這兩類。兩者都致力于產(chǎn)生一種對(duì)比度機(jī)制，以實(shí)現(xiàn)所用波長(zhǎng)照明下透明樣品結(jié)構(gòu)的可視化。基于標(biāo)記的成像依賴于染色劑和各種造影劑在某些感興趣的結(jié)構(gòu)處產(chǎn)生熒光。無(wú)標(biāo)記成像是非侵入性的，以特異性為代價(jià)簡(jiǎn)化了樣品制備，并避免了造影劑的任何可能的毒副作用。定量相位成像是無(wú)標(biāo)記成像的一種，它依賴樣品和周圍介質(zhì)的相位差(表現(xiàn)為折射率差)對(duì)透明結(jié)構(gòu)成像。數(shù)字全息就是這樣一種常用的無(wú)標(biāo)記手段，樣品的數(shù)字全息圖可以在焦平面外采集，然后在后處理中通過(guò)數(shù)值求解模擬波前傳播過(guò)程的衍射積分進(jìn)行數(shù)字聚焦。數(shù)字全息已在生物學(xué)、診斷學(xué)和醫(yī)學(xué)、微流控和片上實(shí)驗(yàn)室成像 ...

經(jīng)網(wǎng)絡(luò)技術(shù)背景：與人工智能的許多歷史發(fā)展一樣，深度神經(jīng)網(wǎng)絡(luò)(DNN)得以廣泛采用的部分原因在于協(xié)同硬件。2012年，Krizhevsky等人表明反向傳播算法可以使用GPU有效地執(zhí)行，以訓(xùn)練大型DNN進(jìn)行圖像分類。自2012年以來(lái)，DNN模型的計(jì)算需求迅速增長(zhǎng)，甚至超過(guò)了摩爾定律。現(xiàn)在DNN越來(lái)越受到硬件能效的限制。新興的DNN能量問(wèn)題激發(fā)了專用硬件:DNN加速器。其中大部分是基于硬件物理和DNN中的數(shù)學(xué)運(yùn)算之間的直接數(shù)學(xué)同構(gòu)。一些加速器方案使用傳統(tǒng)電子設(shè)備之外的物理系統(tǒng)，如光學(xué)和模擬電子交叉陣列等。大多數(shù)設(shè)備都針對(duì)深度學(xué)習(xí)的推理階段(現(xiàn)在也有越來(lái)越多的設(shè)備針對(duì)訓(xùn)練階段)，這占商業(yè)部署中深度學(xué)習(xí) ...

印方法技術(shù)背景：在雙光子吸收過(guò)程中，光場(chǎng)會(huì)在基態(tài)和量子系統(tǒng)(例如分子)的相關(guān)激發(fā)態(tài)之間產(chǎn)生一個(gè)狀態(tài)。這種誘導(dǎo)狀態(tài)，通常被稱為虛擬態(tài)(在量子光學(xué)中也稱為修飾狀態(tài))。這種狀態(tài)確實(shí)存在，但前提是光場(chǎng)開(kāi)啟。使用激光脈沖時(shí)，虛擬狀態(tài)壽命由脈沖持續(xù)時(shí)間決定。直觀上，第一個(gè)光子誘導(dǎo)電子從基態(tài)躍遷到虛擬態(tài)，第二個(gè)光子誘導(dǎo)躍遷到激發(fā)態(tài)。雙光子吸收過(guò)程在多光子光學(xué)顯微鏡和多光子光學(xué)光刻中至關(guān)重要，這兩種應(yīng)用都已商業(yè)化多年。多光子光學(xué)光刻已成為制造從納米級(jí)到微米級(jí)的三維(3D)結(jié)構(gòu)的成熟方法。在3D光學(xué)光刻(也稱為直接激光寫(xiě)入或 3D 激光納米打印)中，雙光子吸收導(dǎo)致光引發(fā)劑躍遷率的縮放，因此曝光劑量與光強(qiáng)度的平方 ...

學(xué)記錄技術(shù)背景：在體內(nèi)以細(xì)胞級(jí)空間分辨率和毫秒級(jí)時(shí)間分辨率對(duì)三維大腦回路中的神經(jīng)元活動(dòng)進(jìn)行光學(xué)記錄對(duì)于探測(cè)大腦中的信息流至關(guān)重要。通常使用多光子顯微鏡對(duì)神經(jīng)元活動(dòng)進(jìn)行大規(guī)模體內(nèi)成像，以破譯動(dòng)物行為過(guò)程中分布式大腦回路中的神經(jīng)編碼和處理。然而，傳統(tǒng)掃描顯微鏡很難應(yīng)對(duì)在毫秒時(shí)間尺度上運(yùn)行的神經(jīng)元回路的三維結(jié)構(gòu)(因?yàn)轶w積和毫秒采集難以協(xié)調(diào))。體積多平面成像僅限于低采樣率和低軸向采樣密度，因?yàn)轶w素采集最終受到激光脈沖率的限制。空間激發(fā)多路復(fù)用改進(jìn)了三維采樣，但廣泛的多路復(fù)用通過(guò)背景熒光的積累降低了信噪比(SNR)，并加劇了大腦發(fā)熱。雖然隨機(jī)存取多光子顯微鏡允許在三個(gè)維度上快速光學(xué)訪問(wèn)神經(jīng)元目標(biāo)，但該方 ...

的未來(lái)寫(xiě)作背景：全息術(shù)的先驅(qū)，Gabor、Leith、Upatnieks和Denisyuk很早就預(yù)測(cè)了三維顯示的終ji技術(shù)是全息。這個(gè)信念的基礎(chǔ)是：全息是可以渲染(render)所有能被人類視覺(jué)系統(tǒng)解釋的光學(xué)線索(cue)的僅有途徑。全息三維顯示已經(jīng)被人們追逐許多年了，其依然面臨所有方面的挑戰(zhàn)：計(jì)算、傳輸和渲染。用數(shù)字來(lái)描述，如6.6x10^15浮點(diǎn)運(yùn)算計(jì)算要求，3x10^15b/s數(shù)據(jù)率，1.6x10^12phase pixels，任務(wù)相當(dāng)艱巨。根據(jù)以往的經(jīng)驗(yàn)推算，如果以以往的速度發(fā)展，需要到2100年方可實(shí)現(xiàn)真正的全息顯示。圖1、全息階梯：各種電信設(shè)備推出年份和近似比特率幅度圖美國(guó)亞利桑那 ...

度光學(xué)技術(shù)背景：高動(dòng)態(tài)范圍(High dynamic range,HDR)成像是使用廣泛的計(jì)算攝影(computational photography)技術(shù)之一。它具有許多的應(yīng)用，如基于圖像的照明(image-based lighting)、HDR顯示、圖像處理等。然而，相機(jī)圖像傳感器的動(dòng)態(tài)范圍從根本上受限于其像素的滿阱容量。當(dāng)產(chǎn)生的光電子數(shù)量超過(guò)滿阱容量時(shí)(通常是在對(duì)具有高對(duì)比度的場(chǎng)景進(jìn)行成像時(shí))，強(qiáng)度信息會(huì)因飽和而不可逆轉(zhuǎn)地丟失。不斷縮小的像素尺寸，例如在手機(jī)應(yīng)用中，會(huì)加劇這個(gè)問(wèn)題，因?yàn)闈M阱容量與像素尺寸成正比。目前已經(jīng)開(kāi)發(fā)了幾種不同的策略來(lái)克服可用圖像傳感器的有限動(dòng)態(tài)范圍。一類技術(shù)使用固 ...

AR圖像的背景環(huán)境圖像。傳統(tǒng)的AR/VR設(shè)備基于雙目視覺(jué)顯示或光場(chǎng)顯示，兩者都可能存在聚散調(diào)節(jié)沖突(vergence-accommodation conflicts)，導(dǎo)致用戶頭暈或疲勞。全息顯示器提供3D視覺(jué)感知，而不會(huì)在觀看者中產(chǎn)生會(huì)聚聚焦沖突(convergence-focusing conflict)，從而減輕這些負(fù)面的用戶體驗(yàn)。在工業(yè)/企業(yè)應(yīng)用之外采用AR的速度很慢，部分原因是上述物理影響。消費(fèi)者對(duì)智能眼鏡和AR設(shè)備的廣泛采用之所以興趣低迷，其另一個(gè)原因是長(zhǎng)時(shí)間佩戴頭戴式設(shè)備 (HMD)的不適感，以及對(duì)笨重或不吸引人的智能眼鏡設(shè)計(jì)風(fēng)格的擔(dān)憂。大多數(shù)消費(fèi)者仍然依靠智能手機(jī)獲取動(dòng)態(tài)信息。 ...