计算光学代表了一种新的方法论转变，它将光学硬件和计算算法设计为协同工作，从而实现超越传统光学系统成像能力的成像技术。与主要依赖物理光学的传统成像不同，计算光学有意捕获编码测量数据，然后通过算法处理这些数据以重建所需信息。 传统的光学系统通常分阶段开发：首先优化光学元件，然后设计独立的图像处理算法。这种分段式开发过程往往会导致一些根本性的局限性，例如性能下降和适应性有限。

物理孪生技术通过创建光学系统的数字孪生体提供了一种不同的方法，从而可以在端到端可微框架内对光学硬件（编码器）和计算算法（解码器）进行联合优化。该方法融合了可微物理模型、物理元件和计算元件的同步优化，以及针对特定应用的任务特定设计。

为什么联合优化在计算成像中至关重要

传统上，光学设计与算法开发相分离，这造成了诸多局限性。以往的设计方法侧重于通用成像指标而非特定任务的性能，导致方案并非最优；而顺序优化无法弥补光学编码阶段丢失的信息。对各个组件进行独立优化，只能得到局部最优解，而无法实现整个系统的全局最优解。

通过物理孪生实现的联合优化在多个领域都具有优势。在低光成像应用中，可以优化光学编码器以最大化光收集效率，同时解码器可以从噪声测量数据中重建高质量图像。这种方法在对光子效率要求极高的天文成像和监视应用中尤为重要。

对于需要高速成像或带宽受限传输的压缩感知应用，联合优化能够在保持重建质量的同时实现最佳压缩比。高光谱成像系统尤其受益于这种方法。研究表明，与将编码孔径和重建网络分开处理的现有方法相比，在 CASSI（编码孔径快照光谱成像）系统中联合优化编码孔径和重建网络可以显著提高性能。

研究表明，与分别优化的系统相比，端到端优化能够获得更优异的图像质量。扩展景深成像的研究表明，与传统方法相比，协同优化的相位掩模和神经网络产生的伪影更少。此外，联合优化能够更有效地利用光子和计算资源，无透镜成像系统便证明了这一点，该系统能够以最小的硬件复杂度实现高质量成像。

物理孪生原理：概念概述

物理孪生技术的基础在于构建可微分的光学现象模型，这些模型能够精确模拟波动光学效应，例如衍射、干涉和相干性。这些模型还必须考虑与光学元件的相互作用，包括相位调制、振幅调制和偏振效应。

例如，一个基本的物理孪生系统采用编码光圈与神经网络解码器相结合的方式。在该设置中，光学编码器包含一个由透明和不透明区域组成的编码光圈，可以选择性地阻挡部分入射光。与传统的设计方法不同，光圈图案被视为优化过程中的一个可学习参数。

一个可微分模型模拟了场景光线与编码孔径的相互作用。测得的强度被建模为场景与由孔径图案定义的点扩散函数以及附加噪声的卷积。这些编码测量值随后由神经网络解码器处理，以重建所需的输出。

在联合优化过程中，梯度贯穿整个流程。前向传播从场景出发，经过编码孔径，到达传感器，再经过神经网络，最终到达重建输出。损失函数将重建结果与真实值进行比较，而反向传播则传播梯度，同时更新孔径模式和网络权重。这使得光学和计算组件能够在完全集成的设计循环中协同优化。

核心进展在于使光学仿真可微。这包括使用平滑近似来描述物理约束，采用高效的基于快速傅里叶变换的光传播和梯度计算模型，以及纳入硬件约束以确保最终设计的实用性。

主要应用和案例研究

显微镜应用

计算显微镜技术已将物理孪生应用于定量相位成像，该系统通过联合优化照明模式和重建算法，实现比传统方法更优异的相位重建效果。研究人员已展示了无透镜显微镜系统，其中照明模式和重建网络经过协同优化，无需传统物镜即可实现高分辨率相位成像。

联合优化还可以通过优化激发模式和计算重建，实现信噪比提高、光漂白减少的新型荧光成像模式。

高光谱相机

传统高光谱成像需要扫描，这限制了时间分辨率。物理孪生技术使得快照系统能够在单次曝光中捕获完整的光谱信息。HyperReconNet 系统展示了编码孔径和重建网络的联合优化，用于压缩高光谱成像，从而在显著缩短采集时间的同时实现了高质量的光谱重建。

最新进展表明，利用训练好的超表面编码器可以实现实时高光谱成像，其中超表面图案和重建算法针对特定光谱波段进行了联合优化。

无透镜成像系统

无透镜系统以编码光圈取代传统透镜，在保持成像能力的同时，显著减小了尺寸和重量。研究表明，无透镜相机在性能上可与传统系统相媲美，但体积和重量却小几个数量级。这些系统将新型光学编码器（例如随机相位掩模）与深度学习解码器相结合，从而实现诸如扩展景深或运动去模糊等特殊成像功能。

值得关注的研究包括斯坦福大学的“深度光学”项目，该项目率先实现了衍射光学元件和神经网络的联合优化；以及麻省理工学院针对成像系统（包括折射元件和衍射元件）的端到端优化而开发的综合框架。

技术挑战与考量

物理孪生面临着几项重大的技术挑战。制造限制是主要障碍，因为必须将最小特征尺寸、表面粗糙度和有限的材料选择等制造限制纳入优化算法?？芍圃煨陨杓埔笕繁Ｗ钣派杓颇芄焕孟钟屑际跏导手圃斐隼?。

仿真与现实之间的差距是另一项关键挑战。成功与否取决于可微物理模型的准确性。然而，简化的模型可能会忽略关键的物理效应，而全波光学仿真仍然需要大量的计算资源。即使是微小的建模误差也可能导致实际系统性能的显著下降。

实际系统需要精确的对准和校准，制造公差、环境因素和系统集成都会影响其性能。系统必须在不同的温度条件、机械振动和老化效应下保持性能，同时还要能够抵抗各种噪声源，包括散粒噪声、读取噪声和暗电流。

混合模拟-数字系统的权衡需要在光编码的复杂性和计算解码需求之间取得平衡。需要实时处理的应用必须考虑计算复杂性和对专用处理器的潜在需求，而功耗对于便携式和嵌入式系统而言至关重要。

未来潜力及行业展望

目前的研究方向包括先进的优化技术，例如平衡性能、可制造性和鲁棒性的多目标优化。新型光学元件，包括超表面、液晶器件和量子光学元件，提供了前所未有的控制可能性。

物理孪生技术可以通过光学预处理降低计算需求，通过无透镜和超紧凑成像系统实现新的外形尺寸，并通过光学计算提高能源效率，从而彻底改变边缘人工智能设备。

自主系统受益于先进的视觉技术，该技术将光学编码与计算处理相结合，从而提升探测距离和分辨率。其应用包括用于车辆的专用视觉系统、用于在各种天气条件下可靠运行的多光谱传感系统，以及用于最大限度减小尺寸和重量的紧凑型集成系统。在机器人领域，增强的感知能力催生了新型深度感知技术和特定任务的光学编码器，从而提高了识别精度。

在物联网应用中，事件驱动成像、压缩感知（可最大限度减少数据传输）以及能量采集系统（可降低功耗）使得超低功耗视觉传感器成为可能。医疗设备也受益于这些进步，植入式和可穿戴系统可提供连续监测、极致小型化和简化的电子元件，从而提高生物相容性。

市场机遇涵盖消费电子、工业检测、科学仪器和安防应用等领域。研究机构和初创企业积极通过强大的专利组合、展示商业可行性的原型系统以及与行业伙伴合作进行技术开发，来实现物理孪生技术的商业化。

长远愿景是实现完全集成的系统，将光学、电子和计算组件无缝结合起来；实现自适应系统，根据不断变化的条件持续优化；以及实现量子光学效应与经典计算技术相结合的量子增强系统。

结论

用于联合编码-解码优化的物理孪生技术标志着计算光学领域的一次重大革新，它从传统的顺序设计方法转向了更加集成化的系统级优化过程。通过实现端到端的微分优化，这种方法开启了通往以往难以企及的性能水平的大门。该领域已在广泛的应用领域展现出卓越的成果，并且正在进行的研究仍在不断应对现有挑战，探索在消费和工业产品中实现商业化集成的新途径。

• 

  IMP-1064-10-PM 高性能的强度调制器

  型号：IMP-1064-10-PM

  厂家：Optilab

  概述：Optilab IMP-1064-10-PM强度调制器专为1064 nm激光的外部调制设计，支持高达10 GHz或12.5 Gb/s的数据传输率，适用于Yb掺铒光纤放大器和主动锁模激光应用。

  查看详情