光携带强度、相位、光谱、偏振、空间和时间等多维信息，而传统光电探测器通常只输出一个标量电流信号。计算光场检测通过光学编码压缩多维信息，再借助算法完成重构。人工智能正在从编码硬件设计、解码算法到系统级协同优化，重塑这一前沿方向。
近日，叶轮机械研究所蔡伟伟教授等系统梳理了人工智能辅助计算光场检测的研究进展，从编码硬件、解码算法与系统协同三个层面总结关键方法，并讨论了从数字模型走向真实器件时的四个难题：模型泛化性、物理一致性、算法可解释性与结果不确定性。综述论文Light field detection in the age of artificial intelligence发表在期刊Nature Reviews Electrical Engineering上，蔡伟伟教授和博士研究生张艺茹、杨恩博为论文共同第一作者，香港大学陈妮、杭州电子科技大学晋蕾、浙江大学杨宗银、阿尔托大学孙志培、剑桥大学 Tawfique Hasan 为共同通讯作者。
从低维电流到多维光场：核心矛盾在哪里？
光场可以同时包含位置、时间、相位、波长和偏振等信息。传统光学仪器通常只测量其中一部分；若要同步获取多个维度，往往需要组合光谱仪、干涉仪和偏振仪等装置，系统因而变得复杂、庞大且昂贵。与此同时，多维采样还会产生大量冗余数据，增加存储与后续处理负担。
计算光场检测提供了另一条路径：先利用超表面、色散介质、波导或可重构光学元件等编码器，将多维光信息映射为紧凑的电信号；再通过计算方法，从少量或压缩测量中恢复原始光场。研究指出，系统性能不仅取决于测量数量，还取决于每次测量能否带来足够差异化的信息，并受时间响应、动态范围、采样多样性和物理先验等因素共同制约。
AI赋能编码硬件：让器件设计更快、更广、更可制造
编码器决定系统能够从入射光中保留哪些信息。传统纳米光子器件设计通常需要反复求解麦克斯韦方程，并在庞大的几何和材料参数空间中迭代搜索，计算成本高，也容易受加工误差和工艺波动影响。
研究将人工智能辅助编码硬件设计概括为相互补充的三类路线。代理模型通过学习器件结构与光响应之间的映射，替代大量重复的电磁仿真；生成式模型能够探索人工经验难以提出的复杂、非直观结构；物理信息驱动方法则把电磁规律、制造约束和容差要求纳入优化过程。由此，人工智能不仅加速正向预测，还能从目标光响应反推器件结构，推动编码硬件从经验设计走向数据与物理共同驱动的逆向设计。
AI驱动解码：没有一种模型适合所有场景
从压缩测量恢复高维光场，本质上是一个对噪声与扰动敏感的逆问题。经典压缩感知方法依赖迭代求解，计算负担较重；人工智能则能够学习从测量信号到目标光场的复杂非线性映射，提升重构速度，并在合适条件下改善精度和鲁棒性。
文章覆盖光谱、相位、偏振和时间四个维度的重构进展。光谱与时间维度的人工智能应用相对成熟，相位与偏振重构仍在快速发展。卷积神经网络、生成对抗网络、Transformer、神经辐射场和深度展开网络等各有优势，也各有边界：经典模型驱动方法适合正向模型清晰、训练数据有限的任务；数据驱动方法在数据充足时具备速度和灵活性；物理驱动方法则更有利于解释模型行为、减少数据依赖并提高跨场景可靠性。
因此，综述提出不是用人工智能替代所有传统算法，而是根据训练数据、正向模型、延迟要求和可接受误差选择合适的模型，并让数据驱动能力与可验证的物理约束相结合。
系统级协同优化：用可微分数字孪生连接硬件与算法
当前多数系统仍将光学硬件和重构算法分开优化，这会限制整体性能。论文提出以可微分数字孪生为统一框架：在数字世界中建立从光场、编码器到测量信号和重构结果的可微分模型，使梯度能够贯穿整个链路，并同步更新编码器物理参数与解码模型参数。制造可行性、光学效率和加工容差等实际约束，也可以进入同一个优化目标。
物理驱动的可微分模型还有望把照明漂移、残余像差和器件失准等误差源显式表示为可估计参数，从而在给出重构结果的同时量化其不确定性。对于精密计量而言，测量值只有与可信的误差估计共同给出才更有意义。
走向真实应用：让模型受物理约束、让硬件进入训练闭环
论文同时对人工智能方法进行了审慎评估。训练数据不足、模型可解释性有限、数字模型与真实硬件之间存在偏差，以及人工智能可能产生看似合理但并不真实的输出，都会影响光场检测的可信部署。研究建议进一步强化数学与物理先验，并采用硬件在环优化，让可调或可编程器件在真实工作条件下产生测量数据，直接参与模型训练和系统迭代。
面向未来，人工智能辅助制造、基础模型、神经形态感知与光学计算将推动计算光场传感器向更高集成度、更低延迟和更强适应性发展。应用导向的系统也不必总是重构完整光场，而可以围绕材料识别、环境监测、医学诊断和工业原位测量等具体任务，直接优化最终判别或分析目标。最终，智能设计、感知与计算有望在探测端深度融合，形成新一代紧凑、自适应的多维光场检测系统。
研究工作得到了国家自然科学基金、芬兰研究理事会旗舰计划和芬兰量子材料卓越中心等的支持。
论文链接：https://www.nature.com/articles/s44287-026-00328-0
学院OA系统
jAccount登录
ENGLISH
地址：上海市东川路800号买球官方网站闵行校区买球官方网站
邮编：200240
Email：sjtume@sjtu.edu.cn