上海理工大学智能科技学院的研究团队近日取得了一项光学领域的重大突破。由顾敏院士和张启明教授领衔的科研小组成功开发出一种超快速的卷积光学神经网络（ONN），该技术能够在不依赖光学记忆效应的情况下，对散射介质后的物体进行高效、清晰的成像。这项成果不仅对传统光学成像技术提出了挑战，还进一步证明了卷积网络在人工智能领域的广阔应用前景。

该研究成果于6月14日在《科学进展》杂志上发表，题为“基于超快卷积光学神经网络的非记忆效应散射成像”。张雨超特聘研究员作为第一作者，顾敏和张启明担任共同通讯作者。

张雨超介绍，卷积神经网络（CNN）作为人工智能领域的核心架构，自Hubel和Wiesel在1981年提出视觉皮层结构并获得诺贝尔奖以来，已经在图像处理和模式识别领域取得了巨大成功。然而，将CNN应用于光学领域却面临着诸多挑战，尤其是电子信号与光学信号之间的转换问题。

为了解决这一难题，研究团队提出了一种全光学的解决方案。他们构建了一个多阶段的卷积网络ONN，利用光学原理直接在光域中进行卷积网络操作，实现了真正的光速计算。这一创新技术不仅极大地提高了成像速度，还显著提升了成像质量，使得在复杂散射环境中的成像成为可能。

值得一提的是，这项技术还具备多任务处理能力。通过简单地调整网络结构，同一ONN能够同时执行多种不同的图像处理任务，这在光学人工智能领域尚属首次。张启明教授表示，这种灵活性和效率的结合为光学成像技术开辟了新的道路。

展望未来，顾敏院士表示，随着技术的不断完善和发展，卷积光学神经网络将在自动驾驶、机器人视觉、医学成像等多个领域发挥更大作用。这项技术的突破将为人类生活带来更多便利，为科学研究提供更强大的工具。