摘要

研究人员探索了基于线性材料的衍射处理器中的非线性信息编码。他们发现实施起来更简单的相位编码与数据重复策略在各种测试数据集上均可实现相似的准确性。虽然基于数据重复的衍射模块不能提供与传统数字神经网络中使用的全连接层或卷积层类似的光学功能，但它们能有效提高推理的准确性。这项研究有助于深入了解在视觉信息处理器中基于线性材料的衍射系统与非线性编码策略之间的相互作用。

正文

加州大学洛杉矶分校（UCLA）的研究人员对衍射光学处理器中的非线性信息编码策略进行了深入分析，对其性能和用途提出了新的见解。他们的研究发表在《Light: Science & Applications》。在该研究中他们比较了相位编码等易于实现的非线性编码策略与基于数据重复的非线性信息编码方法的性能，揭示了它们在视觉信息光学处理中的优势和局限性。

衍射光学处理器使用线性材料制造，通过使用结构化的衍射表面操纵光线来实现计算任务。对光学信息进行非线性编码可以提高这些处理器的性能，使它们能够更好地处理图像分类、定量相位成像和光学加密等复杂任务。

由 Aydogan Ozcan 教授领导的加州大学洛杉矶分校研究团队评估了各种非线性编码策略在不同数据集上的表现，以衡量其推断性能。他们的研究结果表明，衍射光学处理器内的数据重复方法虽然可以提高推理的准确性，但却损失了衍射光学处理器的通用线性变换能力。因此，基于数据重复的衍射模块不能作为数字神经网络中常用的全连接层或卷积层的光学类比。更通俗地说，基于数据重复的衍射处理器可被视为一些神经网络架构中使用的动态卷积核概念的光学简化。尽管衍射光学处理器中的数据重复架构具有不同的特点，但它仍能有效地完成推理任务，并在抗噪声方面具有优势。

作为一种替代方法，相位编码无需重复数据，提供了一种更易于实施的非线性编码策略，并可实现可比的推断精度。相位编码通过空间光调制器或纯相位物体可以直接实现，因其简单有效而成为一种实用的替代方法。此外，无数据重复的衍射处理器不需要通过数字系统对输入信息进行预处理，而这正是数据重复编码所需要的。因此，数据重复可能较为耗时，尤其是对于纯相位的输入物体，因为在数据重复之前需要进行数字相位恢复和预处理。

研究团队的研究成果为了解基于线性材料的衍射光学系统与非线性信息编码策略之间的关系提供了见解。这些成果具有广泛的应用潜力，包括在光通信、监控和计算成像等领域。通过非线性编码策略提高推理准确性的能力，可以提高光学处理器在各个领域的性能，从而开发出更先进、更高效的视觉信息处理系统。

这项工作由加州大学洛杉矶分校校长讲席教授Aydogan Ozcan主导，共同第一作者是加州大学洛杉矶分校电气与计算机工程系的Yuhang Li 和 Jingxi Li。

这项研究得到了美国能源部的支持。（来源：LightScienceApplications微信公众号）

衍射信息处理的艺术图。图片来源: Ozcan Lab @ UCLA.

相关论文信息：https://doi.org/10.1038/s41377-024-01529-8