中国科学院上海光学精密机械研究所(简称:上海光机所)成立于1964年5月,是我国建立最早、规模最大的激光科学技术专业研究所。发展至今,已形成以探索现代光学重大基础及应用基础前沿、发展大型激光工程技术并开拓激光与光电子高技术应用为重点的综合性研究所。研究...
截至2023年12月,上海光机所在职职工1042人(其中高级专业技术人员530人),博士后114人。包括:两院院士7人(其中发展中国家科学院院士3人)、中国科学院外籍院士1人,国家重点研发计划首席科学家9位、国家重大专项副总设计师2人、国家重大专项总体专家组成员9人、全国创新争先奖状2人、何梁何利基金科学与技术进步奖1人、中国青年科技奖(特别奖)1人、国家杰出青年基金获得者7人、国家优秀青年基金获得者4人、1个团队连续获得2项国家基金委创新研究群体支持、国家特支计划领军人才入选者6人、国家特支计划青年拔尖人才入选者5人……
中国科学院上海光学精密机械研究所(简称:上海光机所)是我国建立最早、规模最大的激光专业研究所,成立于1964年,现已发展成为以探索现代光学重大基础及应用基础前沿研究、发展大型激光工程技术并开拓激光与光电子高技术应用为重点的综合性研究所。重...
上海光机所国际合作工作始终围绕上海光机所的主责主业,以服务重大任务和国家需求为牵引,强化目标导向,注重内外集成协同,加强重大国际合作任务的谋划。坚持“战略布局,需求牵引,技术引领,合作共赢”的原则,基于科技部授予的国家国际科技合作基地及本单位学科技术优势,围绕“一带一路”国家倡议,深化拓展与发达国家实质性合作,夯实海外机构建设,积极培育和发起国际大科学计划,加强国际组织任职推荐,组织相关国际会议等,汇聚各类国际人才,建立以“平台-人才-项目-组织”合作模式,融入全球创新合作网络,助力上海光机所成为国际一流科研机构。上海光机所国际合作一直得到所领导的高度重视,历届所长亲自主管国际合作。1972年,上海光机所接待诺贝尔奖的美籍华裔科学家杨振宁,标志着我所第一次对外开放。2007年,被科技部首批授予“科技部国际科技合作基地”。2016年,科技部首次对全国2006-2008年间认定的113家国际合作基地进行了评估,上海光机所获评“优秀”。2021年,科技部首次对全国719家国际合作基地进行了评估,上海光机所持续获评“ 优秀”。王岐山副主席到上海光机所视察时,对上海光机所近几年取得的系列科技成果,以及重大国际合作项目“中以高功...
作为我国建立最早、规模最大的激光科学技术专业研究所,和首批上海市科普教育基地之一,中国科学院上海光学精密机械研究所(简称:上海光机所)在致力于科技创新的同时,十分重视科普工作。多年来,上海光机所借助科研院所强大的科普资源优势,围绕光学与激光科学技术,积极开展公众开放日、科普讲座、科技课堂、科普作品创...
超强激光科学卓越创新简报
(第五百五十二期)
2024年9月26日
上海光机所在三维化学发光光谱计算层析智能重建方面取得研究进展
近日,中国科学院上海光学精密机械研究所空天激光技术与系统部在基于物理增强神经网络的三维火焰化学发光光谱计算层析重建研究方面取得进展,相关研究成果以“PENTAGON: Physics-enhanced neural network for volumetric flame chemiluminescence tomography”为题发表于Optics Express。
光学计算层析技术通过利用探测器从单个或多个采集方向记录未知物体的一维或二维信息,结合重建算法实现平面或立体可视化诊断。受限于实际场景中有限的采集数据,目前的迭代优化类重建算法存在重建质量不佳、计算耗时较长等问题。以数据驱动深度学习为代表的人工智能类算法在大量训练数据时的获取、网络模型泛化性及可解释性等方面存在局限性。
在这项工作中,研究人员提出了一种基于物理增强的神经网络作为体层析重建的推理框架(PENTAGON)。以数据分布偏移和有限视角情况下的三维火焰化学发光光谱计算层析重建问题为例,通过数值模拟和实际火焰实验展示了 PENTAGON 的可行性及有效性。利用来自小样本训练数据集的数据先验信息和基于三维体层析前向成像模型的物理约束协同组合,PENTAGON可以准确重建出与训练数据集在统计上差异很大的三维光场。数值仿真及火焰实验证明PENTAGON 克服了数据分布偏移导致的数据驱动型深度学习方法的泛化限制,并消除了传统迭代算法在有限投影情况下为三维重建结果带来的失真。此外,PENTAGON能够将不同任务的特定物理模型合并到框架中,使重建网络框架在一定程度上具有可解释性。该研究为有限投影数据情况下光学计算层析三维重建提供了一种新方法。
此项研究得到了国家自然科学基金、上海市启明星计划(扬帆专项)、上海市优秀学术带头人等项目的支持。
图 1. 三维火焰化学发光光谱计算层析重建方法。(a) 传统迭代类方法和基于数据驱动的深度学习方法,(b) 本研究提出的基于物理增强神经网络的体层析重建框架。
图 2. 三个采集视角条件下不同方法的重建结果对比。(a) 测试场T7, (b) 测试场T9。
copyright
2000-
中国科学院上海光学精密机械研究所 沪ICP备05015387号-1
主办:中国科学院上海光学精密机械研究所 上海市嘉定区清河路390号(201800)
转载本站信息,请注明信息来源和链接。 沪公网安备 31011402010030号