- 博客(216)
- 收藏
- 关注
RSS订阅原创 金属材料多尺度计算模拟技术与应用：微观机理到宏观性能的集成工作流
金属材料作为工业基础的核心材料，其性能优化与设计一直是材料科学、机械工程和航空航天等领域的研究热点。传统实验方法在探索材料微观机理与宏观性能关联时，往往面临成本高、周期长、尺度局限等挑战，难以全面揭示材料变形、相变、损伤等复杂行为的跨尺度机制。随着计算科学的飞速发展，多尺度计算模拟技术通过整合第一性原理计算、分子动力学、相场法、晶体塑性有限元等方法，构建了从电子/原子尺度到宏观连续尺度的集成工作流，实现了材料性能的精准预测与理性设计。
2025-12-23 18:16:07
551
原创 人工智能赋能聚合物及复合材料模型应用与实践
AI 在聚合物及复合材料领域的理论基础和应用概述传统机器学习，深度学习和生成式 AI 方法概述AI for 聚合物（及复合材料）研究的核心问题（聚合物多层次结构表示、性能预测、结构设计等）聚合物研究的 AI 方法论框架4.1 数据驱动与机理驱动的协同（第一性原理到领域知识）4.2 聚合物智能创制研究全流程：从数据到模型，从预测到设计。
2025-12-19 17:52:34
548
原创 FDTD 与 Python 联合仿真的超表面智能设计技术与应用
光子学与电磁学领域正经历着由“数值模拟”向“智能设计” 的范式跃迁。传统依赖于经验与参数扫描的光学设计方法，在面对超表面等多自由度、高性能指标的复杂逆设计问题时，已显得效率低下且难以触及全局最优解。将 FDTD 电磁仿真与 Python 智能优化算法融合，正成为突破传统瓶颈、实现器件性能提升的核心驱动力，重塑着从基础研究到工程应用的光学设计全链条。在国际前沿领域，超表面的研究已从“功能实现”进入“性能设计智能化” 的新阶段。
2025-12-18 17:54:03
757
原创 COMSOL锂离子电池仿真技术与应用
在锂离子电池开发过程中，设计参数太多，实验任务繁重；各参数对电池性能的影响不明确，实验设计带有一定的盲目性，有时候甚至会出现费时、费力、费资金，却吃力不讨好的现象。改善这一状况的契机是将电池仿真技术应用到电池中来。锂离子电池仿真技术可以采用等效电路模型、半经验模型、电化学模型等。基于仿真能够很好的解决上文提到的问题。通过对电池微观行为进行研究，明晰电池内部多现象机理，并将其数值化，通过数值方法实现对物理特征联合计算，建立完整的电池模型。
2025-12-17 18:15:27
648
原创 COMSOL燃料电池仿真技术与应用
COMSOL Multiphysics具有强大的多物理场全耦合仿真分析功能、高效的计算性能，可以保证数值仿真的高度精确，已被广泛应用于各个学科领域，近年来运用COMSOL来解决电化学实际工程问题也越来越普遍。电化学仿真技术通过对电池微观行为进行研究，明晰电池内部多现象机理，并将其数值化，通过数值方法实现对物理特征联合计算，建立完整的电池模型。
2025-12-16 18:00:46
804
原创 智能计算模拟：第一性原理+分子动力学+机器学习
第一性原理、分子动力学与机器学习三者的交汇融合已在相关研究领域展现强劲的研究热潮。借助第一性原理计算揭示材料内在的量子特性，并结合分子动力学模拟探究材料在实际环境下的动态行为；运用机器学习算法与上述方法结合，开发高性能预测模型与模拟工具，能有效缩短研发周期，降低计算成本，实现对新型化合物性质的高精度预测。“第一性原理+分子动力学+机器学习”三位一体的综合手段，已经成为模拟计算的一个前沿方向，为解决传统计算化学方法面临的挑战提供了新的解决方案。
2025-12-12 18:09:19
689
原创 机器学习驱动的智能化电池管理技术与应用
在此背景下，智能化、高精度、高可靠的电池管理技术已成为产业升级和学术研究的关键突破口。课程在SOC、SOH、RUL、热失控预警等每个核心应用模块后，都有具体的技术实例（如“基于支持向量机的SOC估计”、“基于深度学习的寿命预测方法”、“基于实车运行大数据的电池SOH估计”、“基于深度学习的异常电芯检测”等）。适合汽车工业、电力工业、自动化技术、BMS算法开发、电池系统研发、新能源汽车工程、储能系统管理、环境科学与资源利用、计算机软件及应用等专业和领域的科研人员、工程师、及相关行业从业者、跨领域研究人员。
2025-12-11 18:07:41
884
原创 人工智能与数据驱动方法加速金属材料设计与应用
金属材料在航空航天、能源装备、交通运输、生物医疗等关键领域扮演着重要角色。传统金属材料研发依赖“试错法”，周期长、成本高，难以满足高性能、多功能材料的快速设计需求。人工智能与数据驱动方法的兴起，为金属材料研究带来范式变革，通过整合材料数据库、机器学习、主动学习与物理信息模型，可实现材料成分、工艺、结构、性能之间的智能映射与逆向设计，大幅提升材料研发效率与创新能力。
2025-12-10 18:10:00
927
原创 计算化学与人工智能驱动的MOFs性能预测与筛选技术
金属有机框架材料（MOFs）作为一种新兴的多孔晶体材料，在气体吸附与分离、催化、储能、传感等领域展现出巨大潜力。然而，MOFs结构多样、成分复杂，传统实验筛选方法耗时耗力，难以实现大规模高效设计。计算化学与人工智能技术的深度融合，为MOFs的理性设计与性能优化提供了革命性工具。通过结合量子化学计算、分子模拟与机器学习，研究者能够从海量结构数据中挖掘“结构-性能”关系，预测未知MOFs的吸附、分离、稳定性等关键性质，实现高通量虚拟筛选与定向设计，极大加速新材料发现进程。
2025-12-09 18:20:44
521
原创 5 个工业智能专题：装备 / 故障 / 材料领域的技术解析
从事结构设计、可靠性分析、仿真优化及多学科协同优化的工程技术人员、高校研究生、科研人员与管理人员，以及机械工程、航空航天科学与工程、能源与动力、计算机工程、自动化技术、工业通用技术、车辆工程、船舶与海洋工程、材料科学、化工、电力、建筑等工程与工业领域的科研人员、工程师、行业从业者及跨领域研究人员。1.1 基础模型：SVR、决策树、随机森林、感知机、XGBoost、LGBM、AdaBoost等，模型评估策略：MAE、RMSE、R²、Accuracy、F1等。
2025-12-04 18:17:34
779
原创 智能光学计算成像技术与应用
智能光学计算成像是一个将人工智能（AI）与光学成像技术相结合的前沿领域，它通过深度学习、光学神经网络、超表面光学（metaphotonics）、全息技术和量子光学等技术，推动光学成像技术的发展。以下是智能光学计算成像的一些关键进展和应用：1.光纤成像：深度学习在光纤成像中的应用进展显著，包括通过条件生成对抗网络实现高速多模光纤成像系统2.光谱成像：当前的光谱成像技术包括多通道滤光片、基于深度学习和波长响应曲线求逆问题的优化实现，以及衍射光栅、多路复用、超表面等技术，用于获取高光谱信息。
2025-12-02 18:14:22
816
原创 机器学习驱动的智能化电池管理技术与应用
在此背景下，智能化、高精度、高可靠的电池管理技术已成为产业升级和学术研究的关键突破口。课程在SOC、SOH、RUL、热失控预警等每个核心应用模块后，都有具体的技术实例（如“基于支持向量机的SOC估计”、“基于深度学习的寿命预测方法”、“基于实车运行大数据的电池SOH估计”、“基于深度学习的异常电芯检测”等）。适合汽车工业、电力工业、自动化技术、BMS算法开发、电池系统研发、新能源汽车工程、储能系统管理、环境科学与资源利用、计算机软件及应用等专业和领域的科研人员、工程师、及相关行业从业者、跨领域研究人员。
2025-12-01 18:14:58
780
原创 人工智能赋能聚合物及复合材料模型应用与实践
近年来，生成式人工智能（包括大语言模型、分子生成模型等）在聚合物及复合材料领域掀起革命性浪潮，其依托数据驱动与机理协同，从海量数据中挖掘构效关系、通过分子结构表示（如 SMILES、BigSMILES）与生成模型（VAE、GAN、Diffusion 等）实现分子逆向设计的核心能力，正颠覆依赖实验试错或量子计算的传统研发模式 —— 突破周期长、成本高、多目标优化难等瓶颈，快速预测材料性能、生成新型结构，加速从实验室到产业化进程；
2025-11-28 18:17:20
522
原创 金属结构疲劳寿命预测与健康监测技术—— 融合能量法、红外热像技术与深度学习的前沿实践 理论基础与核心方法
全球工业界与学术界正积极探索将物理机理模型与深度学习相结合，利用红外热像技术非接触、全场监测的优势，深度挖掘疲劳过程中的热-力耦合信息，构建能实时评估损伤状态、精准预测剩余寿命的智能模型，推动结构健康监测（SHM）向数字化、智能化方向演进。金属结构疲劳寿命预测作为一门融合“固体力学-热物理学-数据科学”的深度交叉学科，亟需具备跨学科能力的复合型人才：既要深刻理解疲劳损伤的物理本质与理论体系，又需掌握有限元仿真、数据处理等现代工程工具，同时能驾驭深度学习模型进行时序数据挖掘与智能预测。
2025-11-26 18:14:16
267
原创 人工智能赋能聚合物及复合材料模型应用与实践
2.培训对象材料科学、电力工业、航空航天科学与工程、有机化工、无机化工、建筑科学与工程、自动化技术、工业通用技术、汽车工业、金属学与金属工艺、机械工业、船舶工业等领域的科研人员、工程师、及相关行业从业者、跨领域研究人员。5、工具与平台应用：介绍Tensorflow、Pytorch、HuggingFace、Langchain、Gradio等先进的深度学习模块和工具，使学员能够熟练使用这些工具进行高分子材料的研发工作，提升工作效率。3.4均聚物性能研究（如耐热性、力学性能、介电性能、透气性/阻燃性等）(实践)
2025-11-24 17:50:32
637
原创 COMSOL声学多物理场仿真技术与应用
随着声学技术在各个领域的广泛应用，对于声学仿真的专业人才需求日益增长。Comsol软件作为多物理场仿真的先进工具，其声学模块能够模拟声波在不同介质中的传播和交互，对于声学设计和研究具有重要意义声学仿真技术在建筑声学、电声学、超声医学、噪声控制、振动分析等领域都有广泛应用。据调查，COMSOL声学模块主要应用以下几个方面：1、声学结构优化：通过拓扑优化等方法，设计出性能更优、成本更低的声学结构。2、无损检测：利用声波进行材料和结构的无损检测，评估其完整性和性能。
2025-11-14 18:00:05
643
原创 深度学习驱动智能超材料设计与应用
在深度学习与超材料融合的背景下，不仅提高了设计的效率和质量，还为实现定制化和精准化的治疗提供了可能，展现了在材料科学领域的巨大潜力。深度学习可以帮助实现超材料结构参数的优化、电磁响应的预测、拓扑结构的自动设计、相位的预测及结构筛选。适合材料科学、机械工程、计算机工程、建筑科学、土木工程、电子工程、航空航天、物理学、自动化技术等领域的科研人员、工程师、及相关行业从业者、跨领域研究人员。通过机器学习算法，实现精准治疗目的的设计。5.基于数据的预测模型：基于历史数据预测超材料的性能，为设计提供指导，降本增效。
2025-11-13 18:14:15
861
原创 声学超材料与AI驱动的声振仿真优化设计
声学超材料作为新兴的前沿交叉领域，正推动声学设计从“被动应对”向“主动智能”变革。传统声振设计在面对低频减振、复杂波场调控等挑战时，常依赖经验试错，难以高效寻优。将有限元/边界元等数值仿真与人工智能算法深度融合，已成为突破性能瓶颈、实现声学器件性能跨越的核心动力。在国际前沿领域，声学超材料研究已从“带隙探索”进入“功能定制”新阶段。遗传算法、深度学习等逆向设计方法，助力开发出声隐身斗篷、超分辨声成像等颠覆性器件，成果频现顶级期刊。掌握“仿真+AI”联合设计能力，是在智能声学国际竞争中占得先机的关键。
2025-11-12 18:15:04
493
原创 FDTD与Python联合仿真的超表面智能设计技术与应用
光子学与电磁学领域正经历着由“数值模拟”向“智能设计” 的范式跃迁。传统依赖于经验与参数扫描的光学设计方法，在面对超表面等多自由度、高性能指标的复杂逆设计问题时，已显得效率低下且难以触及全局最优解。将FDTD电磁仿真与Python智能优化算法融合，正成为突破传统瓶颈、实现器件性能提升的核心驱动力，重塑着从基础研究到工程应用的光学设计全链条。在国际前沿领域，超表面的研究已从“功能实现”进入“性能设计智能化” 的新阶段。
2025-11-10 18:10:09
897
原创 FDTD与Python联合仿真的超表面智能设计技术与应用
光子学与电磁学领域正经历着由“数值模拟”向“智能设计” 的范式跃迁。传统依赖于经验与参数扫描的光学设计方法，在面对超表面等多自由度、高性能指标的复杂逆设计问题时，已显得效率低下且难以触及全局最优解。将FDTD电磁仿真与Python智能优化算法融合，正成为突破传统瓶颈、实现器件性能提升的核心驱动力，重塑着从基础研究到工程应用的光学设计全链条。在国际前沿领域，超表面的研究已从“功能实现”进入“性能设计智能化” 的新阶段。
2025-11-06 17:51:14
667
原创 数据驱动智能故障诊断技术 应用与实践
递进式案例实践教学：通过包络谱分析轴承故障、1D-CNN 自动特征提取、LSTM 寿命预测、DANN 跨域。二、基于 PYTORCH 版基于注意力机制的小样本故障诊断的 1D-Grad-CAM 融合诊断模型 —三、基于支持向量机 （SVM）、k 最近邻 （KNN）、随机森林 （RF）、XGBoost 和人工神。突出物理机理融合，掌握诊断技术新范式： ：引入物理信息神经网络（PINN），教授如何将动力学方。一、基于 SVM 的滚动轴承外圈故障识别实验 —— 通过提取 RMS、峭度特征实现二分类诊。
2025-10-29 18:12:51
827
原创 基于AI智能算法的装备结构可靠性分析与优化设计技术
适合从事结构设计、可靠性分析、仿真优化的工程技术人员、机械工程、航空宇航、可靠性工程、优化算法等研究领域的高校研究生、从事高端装备系统设计与可靠性评估的科研人员、负责产品研发流程、可靠性保障与多学科协同优化的管理人员等。国家需求层面，我国《“十四五”智能制造发展规划》提出了“大力发展智能制造装备重要任务，主要包括基础零部件和装置、通用智能制造装备、专用智能制造装备以及融合了数字孪生、人工智能等新技术的新型智能制造装备”。1.5. 多目标权衡优化：性能-可靠性-成本的Pareto前沿（NSGA-II算法）
2025-10-28 18:24:47
638
原创 智能光学计算成像技术与应用
智能光学计算成像是一个将人工智能（AI）与光学成像技术相结合的前沿领域，它通过深度学习、光学神经网络、超表面光学（metaphotonics）、全息技术和量子光学等技术，推动光学成像技术的发展。以下是智能光学计算成像的一些关键进展和应用：光纤成像：深度学习在光纤成像中的应用进展显著，包括通过条件生成对抗网络实现高速多模光纤成像系统光谱成像：当前的光谱成像技术包括多通道滤光片、基于深度学习和波长响应曲线求逆问题的优化实现，以及衍射光栅、多路复用、超表面等技术，用于获取高光谱信息。
2025-09-02 16:55:12
813
原创 机器学习赋能的智能光子学器件系统研究与应用
3.1 机器学习基础概念3.2 监督学习与无监督学习3.3 简单常见机器学习算法简介（如线性回归、SVM 等）3.4 Python 编程基础Ø Python语言与特点简介Ø 基本语法与特色数据结构（列表，元组，字典）Ø Numpy 科学计算库的使用Ø 数据可视化工具Matplotlib 的使用案例操作：绘制函数与分形图形3.5 深度学习框架 Pytorch和Tensorflow简介案例操作：回归算法的实现。
2025-09-01 17:03:35
677
原创 FDTD Solutions 仿真全面教程：超构表面与光束操控的前沿探索
光子学与电磁学领域正经历着数值模拟技术深度融合带来的深刻变革。传统光学设计与分析方法在面对复杂光场调控、多尺度结构光学特性预测等问题时，逐渐显露出局限性。FDTD 方法作为一种强大的数值模拟工具，正加速渗透到光学与多学科交叉研究的各个环节，从超构表面设计到纳米光学结构分析，从光束操控到光子器件优化，FDTD 正重塑光学研究与应用的范式。在国际趋势方面 ，超构表面的研究已然成为热点。超构表面能够突破传统光学元件对光的调控能力，实现对光的相位、偏振、振幅等多维度的灵活调控。
2025-08-29 17:09:56
824
原创 COMSOL光学仿真全面教程：光子学与电磁学应用案例解析与实战
在现代科技的浪潮中，光子学与电磁学作为关键的前沿领域，正经历着多学科交叉融合带来的深刻变革。从光子晶体到二维材料，从拓扑光子学到非厄米光学，这些新兴方向不仅拓展了光学的研究边界，也为解决实际问题提供了全新的思路和方法。然而，传统实验手段在面对复杂多物理场耦合问题时，往往难以高效地进行探索和优化。COMSOL多物理场仿真软件作为一种强大的工具，能够精确地模拟光与物质在多尺度、多物理场下的相互作用，为科研人员和工程师提供了从理论到实践的桥梁。
2025-08-28 17:08:17
900
原创 金属结构疲劳寿命预测与健康监测技术
随着航空航天、轨道交通、海洋工程等高端装备领域向着高参数、长寿命、高可靠性的方向飞速发展，金属结构所承受的载荷工况愈发严苛，其疲劳失效已成为威胁结构安全的核心问题。多物理场感知与人工智能技术的融合，正为结构疲劳领域带来革命性变革—通过“物理机理驱动+数据智能赋能”的融合范式，实现从“被动安全校核”到“主动寿命预测与健康管理”的跨越。国际前沿方面，顶级期刊持续重点关注“能量法疲劳理论”、“数据驱动寿命预测”等交叉学科方向。
2025-08-27 17:33:11
675
原创 机器学习驱动的智能化电池管理技术与应用
随着全球新能源汽车产业的迅猛发展和“双碳”战略的深入实施，动力电池作为电动汽车的核心部件，其性能、寿命与安全性直接决定了整车的市场竞争力与用户体验。然而，在复杂工况下的状态精确感知、健康度评估、寿命预测以及安全风险防控，一直是行业面临的重大技术挑战。在此背景下，智能化、高精度、高可靠的电池管理技术已成为产业升级和学术研究的关键突破口。国家需求层面， 我国新能源汽车产业与新型储能系统的飞速发展，对高安全、长寿命、高可靠性的动力电池系统提出了迫切需求。
2025-08-26 18:00:40
615
原创 COMSOL 仿真与人工智能融合 —— 锂电池电化学仿真与优化实战
电池技术作为能源领域的关键支撑，正面临着多学科交叉融合带来的重大变革与严峻挑战。传统建模手段在处理电池系统内部复杂多变的多物理场耦合问题时暴露出诸多局限。例如，电池热管理仅依靠传热学理论难以精确描述其复杂热行为，电极材料的力学稳定性分析也离不开电化学与力学的交叉探讨。与此同时，人工智能（AI）技术正加速渗透到电池研发各环节，从电池性能预测到寿命评估，从结构优化到充电策略制定，AI 凭借其强大的数据挖掘与分析能力，正重塑电池技术的研发范式。
2025-08-11 17:15:33
1005
原创 光学神经网络与人工智能应用
在光子学与人工智能深度融合的浪潮下，光学神经网络作为连接光子器件与智能计算的新兴交叉领域，正突破传统电子计算的物理极限，成为推动信息处理与计算范式革新的核心方向。从空间光场的精准调控到片上集成系统的高效运算，从物理层神经网络的构建到光 - 智协同设计的突破，该领域的科研边界不断拓展，颠覆性成果持续涌现。
2025-08-06 16:39:19
955
原创 智能融合：增材制造多物理场AI 建模与工业应用实战
随着航空航天、高端装备制造等领域对金属构件轻量化、功能集成化需求的升级，传统增材制造技术面临核心挑战：多物理场耦合机理不透明、工艺质量强依赖试错、全流程不确定性量化缺失。与此同时，人工智能与物理机理的深度融合正为增材制造开辟新范式—通过构建“物理信息驱动+数据智能”的混合模型，实现制造过程的可预测、可调控与可优化。国际趋势方面，《Nature Materials》、《Additive Manufacturing》等顶尖期刊持续聚焦“多物理场智能建模”、“增材制造不确定性量化”等前沿方向。
2025-08-04 16:50:27
622
原创 人工智能赋能聚合物及复合材料模型应用与实践
AI 在聚合物及复合材料领域的理论基础和应用概述传统机器学习，深度学习和生成式 AI 方法概述AI for 聚合物（及复合材料）研究的核心问题（聚合物多层次结构表示、性能预测、结构设计等）聚合物研究的 AI 方法论框架4.1 数据驱动与机理驱动的协同（第一性原理到领域知识）4.2 聚合物智能创制研究全流程：从数据到模型，从预测到设计。
2025-08-01 17:10:18
929
原创 基于 AI- - 有限元融合的复合材料多尺度建模与性能预测前沿技术
随着航空航天、新能源等领域对复合材料性能需求的升级，传统“试错法”研发模式面临瓶颈：微观结构设计依赖经验、多尺度耦合机理不透明、全参数空间探索计算成本高昂。与此同时，人工智能与高性能计算的融合为材料科学提供了新范式——通过构建“物理仿真+数据驱动”的混合模型，实现材料性能的精准预测与设计优化。国际趋势方面，Nature 等顶尖学术期刊持续聚焦“多尺度建模”、“AI+复合材料”等交叉研究前沿，ABAQUS 与 AI 技术融合驱动的复合材料建模与仿真创新研究正成为全球热点。
2025-07-31 17:39:27
969
原创 机器学习驱动的智能化电池管理技术与应用
电池的工作原理与关键性能指标电池管理系统的核心功能BMS的软件开发要点：SOC估计、SOH估计、剩余寿命预测。
2025-07-09 16:53:43
1027
原创 fluent流体力学计算与应用
流体力学相关领域的科研人员，力学、航空航天科学与工程、工业通用技术及设备、动力工程、船舶工业、建筑科学与工程、石油天然气工业、机械工业、汽车工业、环境科学与资源利用等领域的工程师，工业自动化、机器人、智能制造等相关行业从业者，跨领域研究人员。6、流体力学中的优化问题： 流体力学中的优化问题：利用深度学习进行流体力学中的优化问题研究，包括形状优化、流场控制优化等，以实现更优的流体动力学性能。2、网格划分与计算流程：网格划分技术、Fluent计算流程和步骤、
2025-06-23 17:11:09
817
原创 基于Fluent和深度学习算法驱动的流体力学计算与应用
1、Fluent软件概述：软件功能和特点、Fluent在流体力学中的应用2、网格划分与计算流程：网格划分技术、Fluent计算流程和步骤、3、基于Fluent软件的稳态与非稳态流体计算4、基于Fluent软件对两相流求解5、Fluent仿真后处理。
2025-06-13 17:02:56
610
转载 机器学习在智能 水泥基 复合材料中的应用与实践
在人工智能与复合材料技术融合的背景下，复合材料的研究和应用正迅速发展，创新解决方案层出不穷。从复合材料性能的精确预测到复杂材料结构的智能设计，从数据驱动的材料结构优化到多尺度分析，人工智能技术正以其强大的数据处理能力和模式识别优势，推动复合材料领域的技术进步。据最新研究动态，目前在复合材料领域的机器学习应用主要集中在以下几个方面：材料设计优化：机器学习可以用于预测复合材料的微观结构和宏观性能，帮助设计出更轻、更强、更耐用的材料。
2025-05-22 17:17:19
117
1
原创 COMSOL光学仿真：光子学与电磁学应用案例解析与实战
在现代科技的浪潮中，光子学与电磁学作为关键的前沿领域，正经历着多学科交叉融合带来的深刻变革。从光子晶体到二维材料，从拓扑光子学到非厄米光学，这些新兴方向不仅拓展了光学的研究边界，也为解决实际问题提供了全新的思路和方法。然而，传统实验手段在面对复杂多物理场耦合问题时，往往难以高效地进行探索和优化。COMSOL多物理场仿真软件作为一种强大的工具，能够精确地模拟光与物质在多尺度、多物理场下的相互作用，为科研人员和工程师提供了从理论到实践的桥梁。
2025-05-16 17:48:00
957
原创 智能光学计算成像技术与应用
智能光学计算成像是一个将人工智能（AI）与光学成像技术相结合的前沿领域，它通过深度学习、光学神经网络、超表面光学（metaphotonics）、全息技术和量子光学等技术，推动光学成像技术的发展。以下是智能光学计算成像的一些关键进展和应用：光纤成像：深度学习在光纤成像中的应用进展显著，包括通过条件生成对抗网络实现高速多模光纤成像系统光谱成像：当前的光谱成像技术包括多通道滤光片、基于深度学习和波长响应曲线求逆问题的优化实现，以及衍射光栅、多路复用、超表面等技术，用于获取高光谱信息。
2025-05-15 10:43:34
640
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人