基于片上衍射光學(xué)的光子機(jī)器學(xué)習(xí)

清華大學(xué)電子系陳宏偉教授課題組提出了一種基于亞波長結(jié)構(gòu)的集成衍射光子神經(jīng)網(wǎng)絡(luò)。相關(guān)成果發(fā)表于《自然·通訊》（Nature Communications）。研究克服了空間衍射光子神經(jīng)網(wǎng)絡(luò)的體積限制，不僅提高了計(jì)算單元的集成度，同時(shí)減少了由于龐大的體光學(xué)元件和系統(tǒng)校準(zhǔn)而產(chǎn)生的誤差。對(duì)于其他集成光子神經(jīng)網(wǎng)絡(luò)而言，這種光計(jì)算芯片擺脫了波導(dǎo)數(shù)目的制約，更容易實(shí)現(xiàn)計(jì)算單元的片上大規(guī)模拓展，從而解決了集成光子神經(jīng)網(wǎng)絡(luò)的高計(jì)算容量問題。研究完成了集成衍射光子神經(jīng)網(wǎng)絡(luò)芯片的理論探索、仿真驗(yàn)證、結(jié)構(gòu)設(shè)計(jì)、版圖繪制、芯片加工、封裝及系統(tǒng)誤差補(bǔ)償?shù)热^程驗(yàn)證，有望使得這個(gè)光計(jì)算系統(tǒng)具有更強(qiáng)的處理能力。

集成衍射光子神經(jīng)網(wǎng)絡(luò)示意圖（圖片來源于清華大學(xué)網(wǎng)站）

評(píng)估全球水庫浮式光伏發(fā)電和節(jié)水潛力

南方科技大學(xué)環(huán)境科學(xué)與工程學(xué)院副教授曾振中團(tuán)隊(duì)基于多個(gè)水庫數(shù)據(jù)庫和氣候驅(qū)動(dòng)的光伏性能模擬模型，估計(jì)了在全球11萬個(gè)水庫上鋪設(shè)30%面積的浮式光伏系統(tǒng)的潛在發(fā)電量為每年9.43萬億度，超過目前水力發(fā)電的兩倍。相關(guān)成果發(fā)表于《自然·可持續(xù)發(fā)展》（Nature Sustainability）。將光伏系統(tǒng)安裝在現(xiàn)有水庫上的關(guān)鍵優(yōu)勢在于它們可以節(jié)約土地資源，而且大多數(shù)水庫靠近現(xiàn)有電網(wǎng)，可以節(jié)約輸電成本。研究發(fā)現(xiàn)，水庫在光伏板的覆蓋下每年能夠減少106立方千米的水分蒸發(fā)損失，這相當(dāng)于3億人的年用水量。通過合理的開發(fā)，水庫浮式光伏可以用于提升能源和水安全，促進(jìn)達(dá)成可持續(xù)發(fā)展目標(biāo)。

基于衍射神經(jīng)網(wǎng)絡(luò)的、全光學(xué)的波前校正系統(tǒng)

中國科學(xué)院南京天文光學(xué)技術(shù)研究所崔向群院士團(tuán)隊(duì)提出了基于衍射神經(jīng)網(wǎng)絡(luò)的、全光學(xué)的波前校正系統(tǒng)“衍射自適應(yīng)光學(xué)系統(tǒng)”，或能實(shí)現(xiàn)對(duì)波前誤差在某區(qū)間內(nèi)的畸變波前的光速校正。相關(guān)成果發(fā)表于《光學(xué)快報(bào)》（Optics Express）。這一系統(tǒng)僅由多層順序排列的衍射板組成，被放置于像面之前，通過所有衍射單元的協(xié)作來完成對(duì)匯聚光束的波前校正。不同厚度的衍射單元為其透射光引入不同的相位調(diào)制，而所有衍射單元的厚度均是事先在電腦上針對(duì)大量的、波前誤差在某區(qū)間內(nèi)呈正態(tài)分布的畸變波前，采用深度學(xué)習(xí)的方法訓(xùn)練得到。訓(xùn)練結(jié)束后，可采用3D打印、激光直寫或者半導(dǎo)體刻蝕等工藝將衍射板制作并組裝成型。

神經(jīng)網(wǎng)絡(luò)求解隨機(jī)反應(yīng)網(wǎng)絡(luò)

北京師范大學(xué)自然科學(xué)高等研究院復(fù)雜系統(tǒng)國際科學(xué)中心聯(lián)合中國科學(xué)院理論物理所的合作者，提出了一種使用變分自回歸網(wǎng)絡(luò)來求解化學(xué)主方程的機(jī)器學(xué)習(xí)普適方法。相關(guān)成果發(fā)表于《自然·機(jī)器智能》（Nature Machine Intelligence）。隨機(jī)反應(yīng)網(wǎng)絡(luò)描述了化學(xué)物質(zhì)通過一系列反應(yīng)的變化，被廣泛用于模擬物理、化學(xué)和生物等復(fù)雜系統(tǒng)中的隨機(jī)過程。隨機(jī)反應(yīng)網(wǎng)絡(luò)通常通過化學(xué)主方程進(jìn)行建模，它描述了表示物種分子數(shù)隨時(shí)間演化的聯(lián)合概率分布。然而，系統(tǒng)可能的狀態(tài)數(shù)量隨著物種的種類數(shù)呈指數(shù)增長。研究成果應(yīng)用統(tǒng)計(jì)物理學(xué)的思想和方法，結(jié)合人工智能中的強(qiáng)化學(xué)習(xí)策略，為探索這類復(fù)雜系統(tǒng)的演化問題提供了新途徑。