本报讯 （记者 孙亚婷）近日，记者获悉：西安光机所联合加拿大国立科学研究院和西北大学，在压缩高速成像领域取得重要进展。研究团队提出“多先验物理增强神经网络”成像框架，并构建了基于双光路同步采集与多先验物理增强深度学习融合的压缩高速成像系统，实现了在极短时间内的高保真动态成像。

传统的超高速成像，就像在极暗的环境中捕捉一闪而过的闪电。相机需要在极短的时间内获取足够的光信号，但往往得到的图像不是模糊，就是出现各种伪影和畸变。

为此，西安光机所姚保利研究团队想到一个巧妙的思路：给AI同时戴上多副“专业眼镜”，让其从不同角度“理解”超快动态过程。

“我们提出的‘多先验物理增强神经网络’成像框架，不同于一般深度学习依赖海量数据，而是将光致发光的物理规律、时间采样信息、图像本身的稀疏特性以及深度神经网络的结构先验等，深度融入一个无需预训练的模型中。”西安光机所研究员柏晨解释，“就像破案时综合目击者描述、物证、现场痕迹等多方信息，通过多重互补线索的相互印证与修正，显著抑制伪影，矫正形变，最终在低光子条件下，依然能重建出非常真实清晰的时间序列图像。”

光有算法还不够，团队还设计了一套精巧的硬件系统来“打好配合”。采用脉冲激光激发被观测物，并用一个数字微镜器件快速投射随机图案进行空间编码。

实验表明，新方法在每秒3.3万帧的超高拍摄速度下，空间分辨率达到了传统主流方法的3.56倍，图像锐度和保真度提升约1.85倍，信噪比也平均提高约4dB。这意味着成像的清晰度、真实度和稳定性都大幅提高。

柏晨介绍，该技术具有广阔的应用前景。他们将其用于食品安全检测领域，借助特殊的纳米荧光探针，成功在酒精溶液中以微秒级精度无损测出了合成色素“苋菜红”，为快速、精准地检测分析样品中含量极低的物质开辟了新途径。

据悉，该研究工作得到了国家自然科学基金、国家重点研发计划等项目支持，相关研究成果发表于超快科学领域的新兴高影响力期刊《超快科学》。