穿过雾、烟雾和生物组织等散射介质的问题长期以来一直困扰着从自动驾驶汽车开发到医学成像的各个行业。莱斯大学和马里兰大学的研究人员最近在克服这一挑战方面取得了重大进展。他们的突破性技术被称为NeuWS（Neural Wavefront Shaping，神经波前塑形），有望解决了光学成像中通常被称为“圣杯问题”的问题。

什么是光散射？

    在许多情况下——无论是影响自动驾驶汽车的恶劣天气，还是试图通过深层组织成像的生物学家——核心问题都是一样的：光散射。当光遇到雾、皮肤或浑浊的水等物质时，它的波浪就会散射，这时形成清晰的图像具有挑战性。到目前为止，在这种背景下，散射使光的优越空间分辨率几乎毫无用处。

什么是波前（Wavefront）？

    在深入了解NeuWS的工作原理之前，了解什么是波前至关重要。

    波前是波相位恒定的表面。换句话说，在任何给定的瞬间，波前的所有点都处于波振荡周期的同一阶段。

    波前是表示和研究波现象的有用方式，因为它们提供了波如何在空间中传播的几何表示。例如，在从点源发出的简单球形波的情况下，波前将是以源为中心的同心球。对于可以被认为是无限延伸的波前波的平面波，波前将是一个平面。

    在光学系统中，了解波前对于镜头设计、激光束整形和自适应光学等几个应用至关重要。由于各种因素，如透镜或介质的缺陷，或雾和烟雾等散射效应，波前可能会扭曲。像NeuWS这样的技术旨在通过捕获和分析波前信息来纠正这些失真，从而实现更清晰的图像和更好的光学性能。

NeuWS技术

    NeuWS取决于两个主要过程：测量光的波前，然后使用神经网络对其进行校正。

测量波前

1.波前捕获：NeuWS技术将入射光作为波前捕获。这些是包含光波相位和强度信息的综合测量。该相位对于克服散射尤为重要，但由于光的频率高，直接测量具有挑战性。

神经网络和实时校正

2.后端处理：从这些波前测量中破译的相位信息经过后端处理。

3.神经网络应用：这些破译的信息然后被输入到一个专门的神经网络中，该神经网络由大约16,000个参数组成，该参数快速计算必要的相关性，以恢复波前的原始相位。

4.效率和实时操作：神经网络模型允许该技术快速高效地工作，实时纠正光散射。需要更少的测量，从而实现更快的数据捕获和处理。

实验验证

    研究人员通过各种实验证明了NeuWS技术的功效，包括那些涉及洋葱皮和指甲油涂层载玻片作为散射介质的实验。该技术成功纠正了散射并产生了清晰的图像，证明了其实时应用的潜力。

影响和未来前景

    从使自动驾驶汽车在雾蒙蒙的条件下安全导航，到彻底改变我们进行深度医疗成像的方式，NeuWS技术的潜在应用是巨大的。然而，该技术仍处于开发阶段，需要大量工作来创建特定领域的原型。