近日,学院于天宝教授团队在光计算与人工智能生成内容(AIGC)交叉领域取得重要研究成果。该团队在Nature旗下著名期刊Communications Physics(中科院一区Top)上发表了题为《Optoelectronic generative adversarial networks》的学术论文。该研究提出并实现了基于光电计算架构的生成对抗网络。研究结果为高速、低功耗的人工智能生成模型开发提供了创新性解决方案。学院邱驹敏、卢凎卿博士生为论文共同第一作者,刘婷婷副教授、于天宝教授为共同通讯作者,南昌大学为唯一通讯单位。该研究工作得到了国家自然科学基金、江西省科技厅的项目支持。

作为人工智能领域的前沿技术,AIGC技术在图像、视频等内容生成方面展现出强大能力,但其巨大的计算资源需求严重制约了实际应用。光学计算凭借其超高速、高并行性和低功耗的特性,成为突破“后摩尔时代“算力困境的重要方向。然而,如何将光学计算与深度学习框架深度融合,构建高效、可训练的光电智能系统,仍是学术界与产业界共同关注的挑战。
.

网络架构示意图
研究团队提出了一种新型的光电生成对抗网络,通过将生成器和判别器分别部署在光学和电子组件中,充分发挥光学并行计算和电子深度学习的优势。该网络结合衍射光学网络与多层感知机,显著降低了传统全电子生成模型的计算能耗,通过迁移学习技术,模型训练时间大大缩短。该网络在图像生成、条件生成和图像恢复任务中展现出卓越性能。这一成果为未来高效、低功耗的智能生成系统提供了新思路。

图片恢复结果
论文链接:https://doi.org/10.1038/s42005-025-02081-6