Experimental visual quantum state discrimination
本文介绍了一种利用训练好的衍射光学神经网络来优化计算机视觉中的量子测量，从而实现由人工智能驱动的方法，通过最大化每个光子的信息提取并有效减轻探测器噪声，实现了比直接成像指数级更低的判别误差。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在视觉的世界里，无论是通过人类肉眼还是机器，都存在着清晰度与可用光量之间的根本权衡。大多数视觉系统，从手机中的摄像头到扫描夜空的望远镜，都是通过捕捉场景的全貌，然后利用计算机来分析其中存在的内容。这种方法在光线充足时表现得非常出色，允许系统将光视为连续的波。然而，在许多关键情况下，例如在显微镜下观察脆弱的活细胞，或是在极远距离探测物体时，光线是非常稀缺的。在这些昏暗的条件下，光作为离散粒子的本质特性产生了被称为“散粒噪声”的颗粒状不确定性，同时照相机本身也会引入自身的静态噪声。当光如此稀缺时，传统的“先拍照后处理”的方法往往会失效，因为在计算机开始进行分析之前，捕捉图像的行为就已经破坏了一些信息。
牛津大学的研究团队发现了一种通过改变捕捉瞬间本身来绕过这一限制的方法。他们并没有试图在拍摄后修复模糊或多噪的图像，而是设计了一个能够学习如何针对特定任务以最高效方式测量光的系统。通过使用人工智能来训练一种特殊的光学器件，他们创造了一种测量过程，能够从每一个到达的光子中提取出最大量的有用信息。他们的工作表明，对于像在黑屋子里分辨猫和狗这样的任务，更好的做法是设计摄像头的镜头直接回答特定的问题，而不是先尝试重建一张完美的图像。这种方法使得机器即使在探测器受到严重电子噪声干扰的情况下，也能利用比以往认为所需的更少光子来区分物体。
研究人员专注于一个计算机必须决定物体属于哪一类的问题，例如识别图像中包含的是猫还是狗。在标准设置中，照相机记录每个点的光强，从而创建一个完整的图像。研究人员展示了，对于他们使用的两类图像，生成的图像非常相似，以至于人类肉眼或标准的计算机算法都很难将它们区分开来。区分它们所需的信息隐藏在光子之间微妙的量子关系中，而当标准照相机仅仅记录亮度时，这些信息就会丢失。为了恢复这些隐藏的信息，该团队用一个衍射光学神经网络取代了标准透镜。该设备由一系列刻有微观图案的透明板组成。当光穿过这些板时，图案会重塑光场，在光子到达探测器之前对其进行混合和重新排列。
这项创新的关键在于如何教导这些板进行工作。研究人员使用了两个不同的训练目标。第一个目标是仅使用单个光子做出最佳决策。第二个，也是更成功的，目标是优化随着越来越多的光子到达，系统做出正确决策的速度。他们发现，针对单个光子的策略与针对多个光子的策略是不同的。一种为单个光子设计的完美测量方案，在面对大量光子时表现却很差。通过训练光学网络，使其最大化随着光子数量增加而降低误差率的过程，该系统学会了丢弃那些对猫和狗都相同的光线部分，只关注重要的特征。这使得系统的误差率下降速度呈指数级快于传统的成像方法。
为了证明其在现实世界中的有效性，团队使用激光和空间光调制器构建了一个实验装置来创建图像和光学网络。他们在两种情景下测试了该系统。首先，他们在模拟的完美、无噪声环境中进行测试，以观察理论极限。在这种设置下，新方法比直接成像显著降低了误差率。更重要的是，他们在真实的、具有极高噪声的照相机环境下进行了测试，模拟了探测器每产生一个真实光子就会产生约10,000个错误信号的严苛环境。在这种恶劣环境下，经过训练的光学网络学会了将光线聚焦在传感器的更小区域内。通过浓缩信号，系统有效地忽略了绝大部分噪声像素，使其能够以标准照相机即便在获得相同光量的情况下也无法达到的准确度来区分物体。
该研究还探讨了这种方法是否能处理除两类之外的情况。利用一个包含十种不同类型服装的数据集，他们发现同样的原理依然成立。一旦收集到足够的光，优化多光子策略的系统始终优于标准成像法和单光子优化版本。虽然该系统并未达到物理上可能的绝对理论极限，但它比以往任何方法都更接近这一极限。研究人员指出，随着光学网络复杂度的增加，性能也会随之提高，这表明通过增加层数可以获得更好的结果。这项工作确立了低光视觉的瓶颈不仅在于光子的缺乏，更在于我们选择测量它们的方式。通过利用人工智能来设计测量过程本身，而不仅仅是分析数据，我们便能在传统方法只能看到噪声的黑暗中清晰地看见。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。