一种用于光学传感的新方法，一种需求日益增加的技术
发布时间：2023-03-27 08:00:00 阅读数： 76
几何深层光学传感的示意图。资料来源：耶鲁大学
在过去的十年中，光学传感任务变得更加苛刻。因此，建立可以集成在芯片上的小型化、廉价的传感器，以实现智能手机、自动驾驶汽车、机器人和无人机的移动应用，已经成为关键。另外，算法在传感中发挥着越来越重要的作用，许多最近的发展都利用了机器学习算法。
在《科学》杂志的一篇新论文中，电子工程系夏丰年教授实验室的研究人员介绍了一个新概念，他们称之为几何光学深度传感。这个概念利用了设备技术、凝聚态物理学和深度学习方面的创新，有可能从面向硬件的方法转向面向软件的方法。
这篇论文是与德克萨斯大学、以色列巴伊兰大学和奥地利维也纳科技大学的合作者共同撰写的。在这个新概念中，"几何 "表示传感器输出由多元素数据组成，可以被视为高维矢量空间中的点。"深度 "强调了深度神经网络在这个传感方案中的关键作用。
Xia实验室的前博士生、该论文的共同第一作者Shaofan Yuan指出，传统的光学传感需要多个光学设备来充分捕捉光束的未知属性。这些设备包括测量光的强度、偏振、波长和空间分布的不同设备。所有这些设备加起来，构成了一个笨重和昂贵的系统。
"过去为使光学传感设备紧凑和多功能化做了很多努力，先进的机器学习算法加速了使用小型化设备的光学传感解决方案，"袁说，他补充说，未来的光学传感技术将是一个高度跨学科的领域。"这一领域将受益于器件结构的创新、新兴光学和光电现象的展示以及机器学习算法的进步。"
Xia实验室的博士生、该论文的另一位共同第一作者Chao Ma指出，器件的可重构性是用单一器件实现复杂光学传感的关键。
"Ma说："一个可以在不同状态下运行的单一可重构设备对于产生多元素光反应数据，有时以隐含的方式捕获多个未知的光属性是至关重要的，然后可以用机器学习算法来解释这些数据。
该计划涉及使用可重新配置的传感器和深度神经网络进行信息编码/解码过程。也就是说，这些网络已经用已知的光的属性进行了训练，并能从可重构传感器的多元素输出中提取正确的信息。夏指出，它解释多元素光反应的方式与图像识别程序的方式差不多。
"他说："如果你想让它识别一个图像，无论是狗、猫、人还是汽车，你要收集许多已知信息的照片，然后训练它。"然后我们只要给神经网络一个未知的数字，它就会告诉你。这里也采用了类似的想法。"
研究人员指出，该方案的基本原理不仅适用于光，也适用于其他领域--例如，用于感应磁场。夏说他和他的合作者目前正在研究潜在的应用。一种可能性是利用这种集成传感装置使自动驾驶汽车更加安全。
更多信息
Shaofan Yuan et al, Geometric deep optical sensing, Science (2023). DOI: 10.1126/science.ade1220
本文由光电查搜集整理，未经同行评议，请自行判断可信度。仅供学习使用。
