1 中国科学院半导体研究所纳米光电子实验室, 北京 100083
2 中国科学院西安光学精密机械研究所瞬态光学与光子技术国家重点实验室, 陕西 西安 710119
3 度亘激光技术(苏州)有限公司, 江苏 苏州 215123
半导体激光器从诞生至今半个世纪,在理论、实践和应用方面取得了巨大进展,占据了整体激光领域的大部分市场,广泛应用于通信网络、工业加工、医疗美容、激光传感、航空**、安全防护,以及消费电子等领域。本文在回顾国际国内早期半导体激光器发展历程的基础上,重点针对高功率泵浦源领域的GaAs基8xx nm和9xx nm半导体激光器,三维感知领域的905 nm隧道结激光器和940 nm垂直腔面发射激光器,以及光谱分析和红外感测领域的GaSb基红外激光器和InP基量子级联激光器进行了简单总结。内容包括半导体激光器的主要应用场景、所追求的主要目标、近10年国内外发展的最新进展,以及今后可能的发展趋势与方向。
激光器 半导体激光器 边发射激光器 垂直腔面发射激光器 红外激光器 lasers semiconductor laser edge emitting laser vertical cavity surface emitting laser infrared laser
1 南京理工大学电子工程与光电技术学院,智能计算成像实验室(SCILab), 江苏 南京 210094
2 南京理工大学江苏省光谱成像与智能感知重点实验室, 江苏 南京 210094
近年来,光学成像技术已经由传统的强度、彩色成像发展进入计算光学成像时代。计算光学成像基于几何光学、波动光学等理论对场景目标经光学系统成像再到探测器采样这一完整图像生成过程建立精确的正向数学模型,再求解该正向成像模型所对应的“逆问题”,以计算重构的方式来获得场景目标的高质量图像或者传统技术无法直接获得的相位、光谱、偏振、光场、相干度、折射率、三维形貌等高维度物理信息。然而,计算成像系统的实际成像性能也同样极大程度地受限于“正向数学模型的准确性”以及“逆向重构算法的可靠性”,实际成像物理过程的不可预见性与高维病态逆问题求解的复杂性已成为这一领域进一步发展的瓶颈问题。近年来,人工智能与深度学习技术的飞跃式发展为计算光学成像技术开启了一扇全新的大门。不同于传统计算成像方法所依赖的物理驱动,深度学习下的计算成像是一类由数据驱动的方法,它不但解决了许多过去计算成像领域难以解决的难题,还在信息获取能力、成像的功能、核心性能指标(如成像空间分辨率、时间分辨率、灵敏度等)上都获得了显著提升。基于此,首先概括性介绍深度学习技术在计算光学成像领域的研究进展与最新成果,然后分析了当前深度学习技术在计算光学成像领域面临的主要问题与挑战,最后展望了该领域未来的发展方向与可能的研究方向。
成像系统 计算成像 深度学习 光学成像 光信息处理 imaging systems computational imaging deep learning optical imaging optical information processing 激光与光电子学进展
2021, 58(8): 0800001
中国科学院长春光学精密机械与物理研究所发光学及应用国家重点实验室, 吉林 长春 130033
激光被称为“最快的刀”、“最准的尺”、“最亮的光”,与原子能、计算机、半导体并称为20世纪新四大发明。大功率半导体激光器在工业加工、医疗美容、光纤通信、无人驾驶、智能机器人等方面有着广泛的应用。如何实现大功率半导体激光光源,一直以来都是国际的研究前沿和学科热点。为此,简述了大功率半导体激光器的发展历史,综述了大功率半导体激光器的共用技术,包括大功率芯片技术和大功率合束技术,并对大功率半导体激光的发展方向进行了展望。
激光器 半导体激光器 大功率 芯片技术 合束技术 lasers semiconductor laser high power chip technology beam combining technology
Author Affiliations
Abstract
State Key Laboratory of Millimeter Wave, Southeast University, Southeast University, Nanjing 210096, China
Over the past 5 years, digital coding and programmable metamaterials have been developed rapidly since their first exhibition in 2014. The iconic feature of the digital coding metamaterial is using digital codes like “0” and “1” to represent the distinct electromagnetic (EM) responses. This seemingly trivial progress has successfully reform the design theory from the effective medium to coding patterns, bridging the physical world and digital information world. More interestingly, beyond the simple coding on the parameters or patterns, the digital coding metamaterials are more intend to introduce the concept of direct interactions and operations of digital information within EM fields, to realize information processing, transmission or recognition. To accurately exhibit the informational specialties, we classify the coding metamaterials, digital metamaterials and programmable metamaterials, as well as other information-operating metamaterials, as information metamaterials. In this review article, we firstly introduce the digital coding concept, working mechanism, and related design methods. Then, three important theories including the scattering pattern calculation, convolution operation, and entropy of digital coding metamaterials, are discussed in details. Finally we introduce several system-level works based on the information metamaterials, such as the new-architecture wireless communication systems and reprogrammable imaging systems, to show the powerful manipulation capabilities of information metamaterials. As the next generation of information metamaterials, two proof-of-concept smart metamaterials and their advanced architectures are discussed. In the summary, the development track of information metamaterials and future trends are presented.
西安电子科技大学物理与光电工程学院, 陕西 西安 710071
计算成像技术(CIT)是一类有别于传统光学成像“所见即所得”的信息获取和处理方式的新体制成像方式。随着新型光电器件的发展和硬件计算能力的提升,计算成像技术在光电成像领域呈现出蓬勃发展的趋势。计算成像技术通过对光场信息进行采集和计算,达到传统成像无法企及的信息利用率和解译度,满足“更高(分辨率)、更远(探测距离)、更大(光学视场)”的光电成像需求。从成像全链路的信息获取与丢失过程出发,通过透过散射介质成像、偏振成像及仿生成像等几种典型的计算成像方式对光场多物理量信息获取和解译进行分析,详细介绍了计算成像技术的方法原理及实现途径。根据成像技术的发展趋势,前瞻性地提出了计算光学系统设计和超大口径望远镜的设计思想。计算成像技术在提高成像分辨率、扩大探测距离、增大成像视场及减小光学系统体积和功耗等方面具有明显的优势,有望穿透云雾、活体生物组织等实现更远距离、更大深度的成像,应用前景广阔。
计算成像 透过散射介质成像 偏振成像 仿生光学 computational imaging scattering imaging polarization imaging bionic optics 激光与光电子学进展
2020, 57(2): 020001
1 吉林大学 计算机科学与技术学院, 吉林 长春 130012
2 吉林大学 符号计算与知识工程教育部重点实验室, 吉林 长春 130012
3 吉林大学 学报(工学版)编辑部, 吉林 长春 130012
4 长春工业大学 计算机科学与工程学院, 吉林 长春 130012
5 山东理工大学 计算机科学与技术学院, 山东 淄博 255000
作为计算机视觉中的基本视觉识别问题, 目标检测在过去的几十年中得到了广泛地研究。目标检测旨在给定图像中找到具有准确定位的特定对象, 并为每个对象分配一个对应的标签。近年来, 深度卷积神经网络DCNN(Deep Convolutional Neural Networks)凭借其特征学习和迁移学习的强大能力在图像分类方面取得了一系列突破, 在目标检测方面, 它越来越受到人们的重视。因此, 如何将CNN应用于目标检测并获得更好的性能是一项重要的研究。首先回顾和介绍了几类经典的目标检测算法; 然后将深度学习算法的产生过程作为切入点, 以系统的方式全面概述了各种目标检测方法; 最后针对目标检测和深度学习算法面临的重大挑战, 讨论了一些未来的方向, 以促进深度学习对目标检测的研究。
图像处理 深度卷积神经网络 目标检测 特征表示 深度学习 image processing deep convolutional neural network object detection feature representation deep learning
1 北京理工大学光电学院, 北京 100081
2 北京市混合现实与新型显示工程技术研究中心, 北京 100081
传统球面以及非球面可供光学系统设计使用的自由度较少。自由曲面打破了旋转对称以及平移对称的几何约束,特别适用于校正非旋转对称系统的像差,同时可以减少系统中元件的数量,减小系统的体积与质量,实现传统光学系统难以实现的系统参数、结构与功能。自由曲面为光学设计的发展注入了巨大潜力,但同时也带来了全新的困难与挑战。概括性地总结了自由曲面成像系统设计的研究现状。简要介绍了自由曲面的常用数学描述与自由曲面成像系统的像差理论,总结了自由曲面成像系统的设计方法,并对自由曲面在各类成像系统中的应用进行概述。最后,对自由曲面成像光学设计的未来发展方向进行了讨论与展望。
几何光学 自由曲面 成像系统 初始结构 系统优化 geometric optics freeform surface imaging system starting point system optimization 
