新闻动态

    生成式神经网络（Generative Models）近年来成为机器学习和人工智能领域的热点技术，在图像生成、文本生成等科学与艺术领域具有广泛应用，同时重新定义了机器智能的边界。这类模型通过学习数据的统计分布，从中采样随机噪声生成新的信息。然而，目前大多数生成式神经网络依赖数字计算硬件实现，受限于计算效率和能耗问题。

    对此，本工作提出了一种全新的光子衍射生成器（Photonic Diffractive Generator, PDG），以“Photonic diffractive generators through sampling noises from scattering media”为题，发表在《自然·通讯》（Nature Communications）上。https://doi.org/10.1038/s41467-024-55058-4; https://rdcu.be/d2BsK

    该工作利用散射介质中光的复杂传播形成的散斑图案，作为光电神经网络的噪声源，同时结合衍射光学神经网络对大规模空间模式的高效并行处理，成功实现了图像生成任务中噪声采样与网络计算的光学平台一体化。此外，利用散射介质的记忆效应，通过扫描照射位置，实现了不同类别图像间的平滑过渡。