光电子应用论文西电学子王皓宇以第一作者在光声学顶级期刊发表学术论文|上海羊羽卓进出口贸易有限公司

西电学子王皓宇以第一作者在光声学顶级期刊发表学术论文

近日，西安电子科技大学韩一平课题组联合清华大学马骋课题组，提出了一种用于稀疏光声重建的新型非线性插值算法，提出并验证了该算法在稀疏光声成像中的实际可行性，相关成果以“An Extremum-guided Interpolation for Sparsely Sampled Photoacoustic Imaging”为题目发表于光声学顶级期刊“Photoacoustics”（中国科学院一区，2022年影响因子为7.9），杭研院先进视觉研究所21级学生王皓宇为第一作者，韩一平教授为第一通讯作者。

光声成像是一种新兴的无损检测技术，其成像依赖于生物组织的光声效应，最早由Bell在1880年发现。利用脉冲光源照射生物组织，吸收体短脉冲激光照射后，局部温度的变化会引起组织弹性形变，进而产生声波。由于不同性质组织吸收特性的差异，光声信号的变换可以反映其分布，所以可以根据脉冲激发产生的超声波信号对物体内部的结构进行重建。其兼具光学成像高分辨率与超声成像高成像深度的优点，且具有较好的生物安全性。

在光声重建当中，空间条件限制或系统实时性需求常使得光声采样数据稀疏。为了保持采样密度不变的情况下提高重建图像质量，对传感器的数据进行插值是一个重要的步骤，数据插值的效果会直接影响到重建图像的质量。对于稀疏采样下的光声传感器数据而言，空域稀疏而时域密集的采样往往导致较差的信号连续性。想要更好的利用光声信号在空间尺度上的连续性，就需要使算法在信号处理上作用的尺度与信号的稀疏程度相符，并且能够合理地计算相应的信号数值。针对稀疏光声信号的结构特点，提出了一种基于极值引导插值（EGI）的数据插值算法，该算法输入参数仅依赖于传感器阵列几何结构，无需复杂的数学变换、梯度、特征等计，就可以实现基于信号连续性的插值，实现稀疏采样下的高质量光声成像。

基于非极值引导插值算法光声成像原理图及重建结果

随着稀疏级别的增加，当使用最邻近插值（NI）、新边缘引导插值（NEDI）和压缩感知（CS）算法时，图像质量的恶化主要表现为图像细节的丢失和图像伪影的增加。通过与线性插值、非线性插值中的先进算法进行对比，验证了EGI算法的性能优势。图像评价的结果显示，在相同的稀疏级别下，EGI算法的性能更好。对于光声成像，使用调整波长和使用对比剂等方法来增强感兴趣区域对光声信号的吸收。在这种情况下，EGI算法的优势在于其优先考虑与强信号对应的结构的完整性。此特点可以帮助研究人员在比正常稀疏条件下使用更少的传感器来重建目标结构。

论文链接：

https://doi.org/10.1016/j.pacs.2023.100535

清华大学团队研制出“智能光计算芯片”

新华社北京4月12日电（记者魏梦佳）传统硅基电子计算在后摩尔时代面临算力与功耗的双重桎梏，难以支撑人工智能大模型的发展与应用。近日，清华大学研究团队首创了一种干涉—衍射分布式广度光计算架构，并研制出高算力、高能效的智能光计算芯片，可实现每秒每焦耳160万亿次运算的通用智能计算，为大模型通用智能计算探索了新路径。该研究于12日发表于国际学术期刊《科学》。

以光波为载体进行智能计算，具备高速、低功耗等特性。然而，现有智能光计算局限于简单的字符分类、图像处理等。其痛点是光的高性能计算潜力受困于电子计算架构，计算规模受限，无法满足复杂智能计算的需求。

针对大规模智能光计算难题，清华大学电子工程系方璐课题组、信息科学技术学院院长戴琼海院士课题组，摒弃了传统电子深度计算范式，构建了智能光计算的通用传播模型，首创了名为Taichi（意为“太极”）的干涉—衍射分布式广度光计算架构。基于此创新架构，课题组进一步探索干涉光与衍射光的优势特性，又研制出干涉—衍射异构集成智能光计算芯片。

论文第一作者、清华大学电子系博士生徐智昊介绍，与国际上高性能人工智能芯片相比，“太极”芯片的系统整体能量效率提升了3个数量级，可将复杂智能任务拆分为多通道高并行的子任务，赋能光计算实现自然场景千类对象识别、跨模态内容生成等人工智能复杂任务。

“光的物理特性启发了智能光计算新思想，让我们创造出不同于电子深度计算的分布式广度光计算新架构。虽然灵感源于光子，但这一架构同样可为广泛成熟的电子计算平台注入新活力。”方璐表示，在大模型通用人工智能蓬勃发展的时代，希望“太极”未来为大模型训练推理、自主智能无人系统、通用人工智能等提供算力支撑，为高性能计算提供新架构和新路径。

据悉，目前该团队正与相关机构洽谈，建设算力实验室，以期用智能光计算芯片支撑大模型训练与推理、通用人工智能等人工智能研究与应用。

来源：新华社