在過去的十年中，光學(xué)傳感任務(wù)變得更加苛刻。因此，構(gòu)建小型化、價格低，且可集成在芯片上以支持智能手機(jī)、自動駕駛汽車、機(jī)器人和無人機(jī)的移動應(yīng)用的傳感器變得至關(guān)重要。此外，算法在傳感中也發(fā)揮著越來越重要的作用，許多最近的研發(fā)都利用了機(jī)器學(xué)習(xí)算法。

據(jù)外媒報道，耶魯大學(xué)（Yale University）電氣工程夏豐年（Fengnian Xia）教授實(shí)驗(yàn)室的研究人員推出新概念：幾何光學(xué)深度傳感。該概念利用設(shè)備技術(shù)、凝聚態(tài)物理學(xué)和深度學(xué)習(xí)方面的創(chuàng)新，有可能從以硬件為導(dǎo)向轉(zhuǎn)向以軟件為導(dǎo)向的方法。

相關(guān)論文已發(fā)布于期刊《Science》，且該論文由德克薩斯大學(xué)（University of Texas）、以色列巴伊蘭大學(xué)（Bar-Ilan University）和奧地利維也納科技大學(xué)（Vienna University of Technology）的合作者共同撰寫。在這個新概念中，“幾何”表示傳感器輸出由多元素數(shù)據(jù)組成，可以將其視為高維向量空間中的點(diǎn)?！吧疃取蓖怀隽松疃壬窠?jīng)網(wǎng)絡(luò)在該傳感方案中的關(guān)鍵作用。

該論文的共同作者、夏豐年實(shí)驗(yàn)室前博士生Shaofan Yuan指出，傳統(tǒng)的光學(xué)傳感需要多個光學(xué)設(shè)備才能完全捕獲光束的未知特性。其中包括用于測量光的強(qiáng)度、偏振、波長和空間分布的不同設(shè)備。所有這些設(shè)備加起來構(gòu)成了一個龐大而昂貴的系統(tǒng)。

Shaofan Yuan表示：“過去，人們?yōu)槭构鈱W(xué)傳感設(shè)備變得緊湊和多功能做出了很多努力，先進(jìn)的機(jī)器學(xué)習(xí)算法加速了使用小型化設(shè)備的光學(xué)傳感解決方案。未來的光學(xué)傳感技術(shù)將是一個高度交叉的領(lǐng)域。該領(lǐng)域?qū)⑹芤嬗谠O(shè)備結(jié)構(gòu)的創(chuàng)新、新興光學(xué)和光電現(xiàn)象的演示，以及機(jī)器學(xué)習(xí)算法的進(jìn)步。”

該論文的另一位共同作者、夏豐年實(shí)驗(yàn)室博士生Chao Ma指出，設(shè)備可重構(gòu)性是使用單個設(shè)備實(shí)現(xiàn)復(fù)雜光學(xué)傳感的關(guān)鍵。

Chao Ma表示：“可以在不同狀態(tài)下運(yùn)行的單個可重構(gòu)設(shè)備對于生成多元素光響應(yīng)數(shù)據(jù)至關(guān)重要，有時以隱式方式捕獲光的多種未知特性，然后可以使用機(jī)器學(xué)習(xí)算法來解釋數(shù)據(jù)。”

該方案涉及使用可重構(gòu)傳感器和深度神經(jīng)網(wǎng)絡(luò)進(jìn)行信息編碼/解碼過程。也就是說，網(wǎng)絡(luò)已經(jīng)用已知的光屬性進(jìn)行了訓(xùn)練，并且可以從可重構(gòu)傳感器的多元素輸出中提取正確的信息。夏教授指出，該方案解釋多元素光響應(yīng)的方式與圖像識別程序的方式很相似。

夏教授表示：“如果你想讓它識別一幅圖像，無論是狗、貓、人還是汽車，你都可以收集大量包含已知信息的照片，然后對其進(jìn)行訓(xùn)練。我們只要給神經(jīng)網(wǎng)絡(luò)一個未知的數(shù)字即可?！?

研究人員指出，該方案的基本原理不僅適用于光，還適用于其他領(lǐng)域，例如感應(yīng)磁場。夏教授稱其研究團(tuán)隊目前正在研究潛在的應(yīng)用，其中包括使用這種集成傳感設(shè)備使自動駕駛汽車更安全。