本文由論文作者團隊投稿

▎導讀

加州大學洛杉磯分校（UCLA）的研究人員對衍射光學處理器中的非線性信息編碼策略進行了深入分析，對其性能和用途提出了新的見解。他們的研究以Nonlinear Encoding in Diffractive Information Processing Using Linear Optical Materials為題發(fā)表在Light: Science & Applications。這項工作由加州大學洛杉磯分校校長講席教授Aydogan Ozcan主導，共同第一作者是加州大學洛杉磯分校電氣與計算機工程系的Yuhang Li和Jingxi Li。

研究人員發(fā)現(xiàn)實施起來更簡單的相位編碼與數(shù)據(jù)重復策略在各種測試數(shù)據(jù)集上均可實現(xiàn)相似的準確性。雖然基于數(shù)據(jù)重復的衍射模塊不能提供與傳統(tǒng)數(shù)字神經(jīng)網(wǎng)絡中使用的全連接層或卷積層類似的光學功能，但它們能有效提高推理的準確性。這項研究有助于深入了解在視覺信息處理器中基于線性材料的衍射系統(tǒng)與非線性編碼策略之間的相互作用。

衍射信息處理的藝術圖
圖片來源: Ozcan Lab @ UCLA

▎正文

衍射光學處理器使用線性材料制造，通過使用結構化的衍射表面操縱光線來實現(xiàn)計算任務。對光學信息進行非線性編碼可以提高這些處理器的性能，使它們能夠更好地處理圖像分類、定量相位成像和光學加密等復雜任務。

由 Aydogan Ozcan 教授領導的加州大學洛杉磯分校研究團隊評估了各種非線性編碼策略在不同數(shù)據(jù)集上的表現(xiàn)，以衡量其推斷性能。他們的研究結果表明，衍射光學處理器內(nèi)的數(shù)據(jù)重復方法雖然可以提高推理的準確性，但卻損失了衍射光學處理器的通用線性變換能力。因此，基于數(shù)據(jù)重復的衍射模塊不能作為數(shù)字神經(jīng)網(wǎng)絡中常用的全連接層或卷積層的光學類比。更通俗地說，基于數(shù)據(jù)重復的衍射處理器可被視為一些神經(jīng)網(wǎng)絡架構中使用的動態(tài)卷積核概念的光學簡化。盡管衍射光學處理器中的數(shù)據(jù)重復架構具有不同的特點，但它仍能有效地完成推理任務，并在抗噪聲方面具有優(yōu)勢。

作為一種替代方法，相位編碼無需重復數(shù)據(jù)，提供了一種更易于實施的非線性編碼策略，并可實現(xiàn)可比的推斷精度。相位編碼通過空間光調(diào)制器或純相位物體可以直接實現(xiàn)，因其簡單有效而成為一種實用的替代方法。此外，無數(shù)據(jù)重復的衍射處理器不需要通過數(shù)字系統(tǒng)對輸入信息進行預處理，而這正是數(shù)據(jù)重復編碼所需要的。因此，數(shù)據(jù)重復可能較為耗時，尤其是對于純相位的輸入物體，因為在數(shù)據(jù)重復之前需要進行數(shù)字相位恢復和預處理。

研究團隊的研究成果為了解基于線性材料的衍射光學系統(tǒng)與非線性信息編碼策略之間的關系提供了見解。這些成果具有廣泛的應用潛力，包括在光通信、監(jiān)控和計算成像等領域。通過非線性編碼策略提高推理準確性的能力，可以提高光學處理器在各個領域的性能，從而開發(fā)出更先進、更高效的視覺信息處理系統(tǒng)。

▎論文信息

Li, Y., Li, J. & Ozcan, A. Nonlinear encoding in diffractive information processing using linear optical materials. Light Sci Appl 13, 173 (2024).

https://doi.org/10.1038/s41377-024-01529-8