边缘计算是在本地设备上执行图像处理和分析等密集型计算任务，通过添加人工智能(AI)驱动的分析和决策，正在发展成为边缘智能。
中国清华大学研究团队负责人吕芳表示：“由于需要进行光电转换，目前自动驾驶等基于边缘的任务的图像捕获、处理和分析速度被限制在毫秒级。”
“我们的新可以在短短几纳秒内完成所有这些过程，只需将它们全部保留在光学域中。这可以大大增强甚至取代传统的传感器采集架构，然后再进行AI后处理。”
在《Optica》杂志上，研究人员描述了这种新，他们称之为光学并行计算阵列(OPCA)。他们展示了OPCA的处理带宽高达一千亿像素，响应时间仅为6纳秒，比目前的方法快了约六个数量级。他们还利用该创建了一个集成图像感知、计算和重建的光学神经网络。
“该和光学神经网络可以提高工业检测中处理复杂场景的效率，并有助于将智能机器人技术提升到更高的认知智能水平，”论文共同第一作者吴伟表示。“我们认为它还可以彻底改变边缘智能。”
新型智能光学计算阵列(OPCA)通过在一个上集成传感和计算功能，实现端到端图像处理、传输和重建。图片来源：清华大学吴伟
消除光电转换
机器视觉使用摄像头、图像传感器、照明和计算机算法来捕捉、处理和分析图像以完成特定任务，传统上需要使用传感器将光学信息转换为数字电信号。然后，这些信号通过光纤传输，以进行长距离数据传输和下游任务。
然而，光电信号频繁转换以及电子处理器的有限进步成为提高机器视觉速度和处理能力的重大限制。
“世界正在进入人工智能时代，但人工智能非常耗时耗能，”方说。“与此同时，智能手机、智能汽车和笔记本电脑等边缘设备的增长导致需要处理、传输和显示的图像数据呈爆炸式增长。我们正在努力通过在光学领域集成传感和计算来推进机器视觉，这对于边缘计算和实现更可持续的人工智能应用尤为重要。”
在光学领域的同一上执行图像采集和分析的挑战在于找到一种方法将用于成像的自由空间光转换为片上引导光波。