随着计算机软硬件的迅速发展，人工智能（AI）模型在感知型任务中实现了接近或者超越人类能力的性能水平。然而，为了开发能够全面理解世界的成熟AI系统，模型必须能够生成视觉概念，而非仅仅是识别它们。首先全面概述现有的生成框架，其中包括对抗生成网络、变分自动编码器、流模型和扩散模型；然后，回顾最近在图像和视频生成方面的最新进展，并讨论它们的局限性；最后，提出改进现有视觉生成模型的可行策略，并概述有前途的未来研究方向。这些讨论和探究对推动视觉生成建模领域的发展和全面挖掘AI系统在视觉概念生成领域的潜能具有重要的意义。

荧光碳量子点是一种新型的光致发光纳米材料，由于其具有稳定的发光性能、丰富的表面官能团、安全无毒、生物相容性好、成本低廉等优势，在潜指纹检测和识别领域有着极大的应用前景。潜指纹是指人的手指分泌物留在固体接触面上靠肉眼难以分辨的痕迹，需要借助物理或化学方法以有效地显现和提取。到目前为止，关于碳量子点显影潜指纹并与计算机技术结合精确识别指纹的研究鲜有报道。以邻苯二胺为前驱体，以草酸锌为修饰剂，采用一步溶剂热法成功合成了红色荧光碳量子点，将红色荧光碳量子点与聚乙烯吡咯烷酮混合，干燥研磨后制备出均匀分散、量子产率高达27 %的红色固态荧光碳量子点，并成功应用于多种基底上潜指纹的增强检测。为了精确评价显影潜指纹与目标对照指纹之间的相似度，通过结构相似度算法进行相似度分析，锡纸上潜指纹的匹配度高达90.5 %，表明红色固态荧光碳量子点结合数字处理程序能很好地显影和精确识别潜指纹，在刑事侦查领域具有极大的应用前景。

人工智能技术是实现光电成像精确制导**智能化、提升复杂作战环境作战性能的重要途径，研究与总结国外成像末制导智能化技术发展现状和趋势对我国精确制导**智能化技术发展具有重要的指导意义。介绍了光电成像精确制导**在当前局部冲突中的重要性、多模复合成像末制导及智能化技术发展的必然性。概述了全球主流对海、对地、对空等精确制导**的成像末制导发展现状，分析总结了光电成像末制导不同阶段智能信息处理面临的关键问题、技术原理和智能化水平。总结了现役或在研的智能化**装备所具有的智能化特征，并依据现有的人工智能技术分析了其智能技术原理与**智能化功能实现。从作战目标、作战环境、对抗模式、新型作战样式等方面分析了成像制导导弹所面临的未来复杂战场环境与作战需求，以及对成像末制导智能化技术带来的挑战。依据人工智能与人脑视觉认知能力的对比，提出了未来成像末制导技术智能化的六个能力特征，以及将成像末制导智能化划分为功能级智能、系统级单体智能、体系级群体智能技术三个发展阶段，并分析了相应的技术内涵、关键技术与实现功能。

近年来，人工智能科技的普及为激光领域的科技教育注入了新动力，进一步推动了激光行业的快速发展并拓宽了应用范围。从激光器件优化设计、激光器系统结构优化设计、光束智能控制及优化、激光特性的精确表征与预测、激光器应用效能优化等5个方面介绍了人工智能对激光领域的赋能效果，并对未来两个学科的双向赋能进行了初步分析和展望。

高功率光纤激光是当前我国激光科学技术领域的前沿热点，而稀土掺杂的有源光纤是高功率光纤激光器的核心器件。与常规有源光纤不同，多折射率层有源光纤的纤芯和包层之间增加了一个或多个辅助折射率层，展现出了特殊的模场特性，有望进一步提升高功率光纤激光的输出功率。利用传统方法分析不同结构参数下多折射率层有源光纤的模场特性时，通常需要耗费较长的时间求解麦克斯韦方程组。笔者首次引入机器学习算法来预测多折射率层有源光纤的模场特性。该方法仅需要数据空间中0.1%的样本，就可以学习多折射率层有源光纤结构参数与其模场特性之间的复杂映射关系，进而实现无须求解麦克斯韦方程组的快速精准预测。该方法的平均预测误差小于0.6%，预测速度相比传统方法提升了约7000倍，为多折射率层有源光纤的模场特性分析提供了新思路。

深度学习已逐步深入多个光学技术领域，推动了诸多光学技术的发展。同时，航空航天观测、AR/VR消费电子、手机摄影、超短焦投影仪等产业快速发展，对光学系统提出了更高、更复杂的设计需求。这些光学系统对性能的高要求，使得光学元件面形的复杂度相应提高。因此，传统的设计方法面临巨大挑战。深度学习具有强大的运算、数据演化和非线性逆问题求解能力，为更复杂的光学系统设计优化求解提供了新思路、新方法。随着对光学系统性能的要求越来越高，自由曲面、超构表面等新型光学元件的需求大大增加，为光学系统提供了更大的发展潜力和想象空间。早期的迭代优化和直接求解的光学设计方法不再适用，光学设计方法向更高难度的数学求解方向发展。得益于人工智能技术软硬件的发展，光学系统设计方法也跨入新的时代——人工智能光学设计时代。从传统迭代优化到人工智能，光学系统设计方法并不能割裂地突跃式发展。本文系统性地论述了光学系统设计方法的内在路径联系与发展逻辑，并对未来的发展方向进行了展望。

人工智能在智能制造领域中起着举足轻重的作用。近年来，激光制造技术以其精度高、可控性强等优势而逐渐成为先进制造的关键技术，在航空航天、****、新能源汽车、生物医疗等重要领域中发挥了重要作用。与此同时，人工智能在激光制造中的模拟预测、参数优化、过程控制、质量分析等方面展现了巨大的应用潜力。主要从激光制造装备和工艺这两个方面出发，总结了激光制造领域中人工智能的研究现状与应用情况，并对人工智能和激光制造技术的发展方向及应用前景进行了展望。

随着人工智能技术的飞速发展与广泛应用，人们对计算资源的需求日益增长，面对电子摩尔定律所遇到的原理性瓶颈，光子以高传输速度、高并行度等优势成为研究人员心目中的下一代计算机载体之一。近年来的研究工作显示，激光谐振腔内许多有趣的物理现象和复杂的动态演化过程能够被用于各种各样的数据处理与计算任务，极大地拓展了激光器的应用范围。在这篇综述中，笔者对基于激光谐振腔的智能光子计算的研究进展进行了集中的介绍与梳理，主要内容涵盖利用激光腔内的混沌过程辅助光电强化学习、利用光反馈激光器的非线性信号变换构建光电储备池网络，以及利用激光网络向稳定振荡状态的自发演化求解组合优化问题。在介绍相关最新进展之余，笔者分析讨论了智能激光计算系统面临的挑战，并对其未来的发展趋势进行了展望。

随着信息领域不断发展，B5G/6G时代接踵而来，数字通信发展迈入更新、更快的阶段。为了适应更高速的通信、更多样的信道，不同的调制格式应运而生，被应用于不同环境。在不同时间、不同信道中改变调制格式，有利于最大化信道利用率。然而，发射端改变的调制格式对于接收机而言是未知的，这不利于不同通信子系统之间的连接，从而影响构建大型的空天地海一体化通信网络，自动调制格式识别算法将成为破局关键。由于人工智能算法在信号处理和基于特征的分类方面具有很大优势，因此基于特征提取的人工智能分类算法在调制格式识别领域拥有巨大的研究价值和实用价值。介绍了几种基于特征提取、人工智能分类的识别方法，并对其在通信领域的应用进行了分析、探讨和总结。