传统方法vs光学AI：谁更胜一筹？
光计算让深度伪造检测又快又准 本文基于 ScienceDaily 报道，原文链接：https://www.sciencedaily.com/releases/2026/09/260929053534.htm 。加州大学洛杉矶分校（UCLA）的研究团队开发出一种新型光学神经处理器，借助光的物理传播来识别和甄别深度伪造视频。与通常依靠数字硬件逐段分析视频的传统系统不同，这项技术能在同一次光学运算中同时处理 15 路以上的视频流，在速度与能效上呈现出明显优势。 核心结论：UCLA 的光学 AI 把检测的一部分过程交给真实光路完成，使多路视频可在单次光学通路中并行评估，而非各自走完一套数字处理流水线。 传统数字方案之困 随着生成式人工智能的快速进步，合成视频越来越逼真，对检测系统提出了既要准确、又要能大规模运行的要求。许多先进的深度伪造检测器依赖海量数字计算，一次分析就可能动用数百亿次浮点运算，而且视频往往是顺序处理的。需要核查的......阅读全文
新型光芯片可执行深度神经网络关键计算
科技日报北京12月2日电（记者张佳欣）2日发表在《自然·光子学》杂志上的论文称，美国麻省理工学院科学家开发出一种全集成光芯片。它能以光学方式执行深度神经网络所需的所有关键计算，为制造能实时学习的高速处理器打开了大门。这种新型光芯片能够在不到半纳秒的时间内，完成机器学习分类任务的关键计算，性能与传统硬
日本借深度神经网络破译人类思维－人工智能走近大脑
外媒称，日本研究人员已经成功借助人工智能破译了人类的思维和想象，从而在理解人类思想及其背后的大脑机制领域获得了重大突破。 据阿根廷 21 世纪趋势网站 6 月 6 日报道，破解人类思维的内容是科学界长久以来的愿望。事实上，此前的种种研究也已经实现了破译人类所见、回忆、想象和梦境的内容。 例如
深度神经网络静态代码分析研究
近日，中国科学院软件研究所智能软件研究中心研究员武延军、吴敬征课题组在基于深度神经网络的静态代码分析研究中取得进展。课题组提出了基于多类型和多粒度的语义代码表示学习模型——MultiCode，解决了工业场景中涉及多需求的开发任务时面临的开发开销大、模型集成困难、可扩展性受限等问题，实现了在多需求
新构建！深度脉冲神经网络学习框架“惊蜇”
中国科学院自动化所李国齐研究员和北京大学计算机学院田永鸿教授团队合作构建出深度脉冲神经网络学习框架“惊蜇”。它可以提供全栈式的脉冲深度学习解决方案，能够处理神经形态数据、构建深度脉冲神经网络、部署神经形态芯片。相关研究成果在线发表于《科学进展》杂志。图片来源：中国科学院自动化所脉冲神经网络被誉为第三
科学家构建深度脉冲神经网络学习框架
脉冲神经网络（Spiking Neural Network，SNN）被誉为第三代神经网络，使用更低层次的生物神经系统的抽象。它既是神经科学中研究大脑原理的基本工具，又因稀疏计算、事件驱动、超低功耗的特性，备受计算科学的关注。随着深度学习方法的引入，SNN的性能得到大幅提升，脉冲深度学习（Spik
XRD穿透深度如何计算
这个计算不了，只能说各仪器差不多，基本都是测二维的数据。今年来帕纳科的仪器倒是好像有做电池测试XRD的，可以做深度，正负极都能同时看充放电过程中的物相变化。
人工智能神经网络创建虚拟动物模型
研究人员使用真实大鼠的运动数据创造的“虚拟大鼠”。图片来源：谷歌深度思维科技日报北京6月18日电 （记者张梦然）为探索大脑如何控制运动的奥秘，美国哈佛大学与谷歌深度思维实验室的科学家合作，创造出一个“虚拟大鼠”——生物力学上逼真的大鼠数字模型。这个“大鼠”有一个人造大脑，可像真正的啮齿动物一样四处走
人工智能神经网络创建虚拟动物模型
为探索大脑如何控制运动的奥秘，美国哈佛大学与谷歌深度思维实验室的科学家合作，创造出一个“虚拟大鼠”——生物力学上逼真的大鼠数字模型。这个“大鼠”有一个人造大脑，可像真正的啮齿动物一样四处走动。该成果代表了一种人类研究大脑如何运作的新方法。相关论文发表在最新一期《自然》杂志上。 人类和动物的运动
拉曼测试深度怎么计算
原则上说，拉曼谱中的荧光和荧光谱中的荧光是一样的，只要激发波长和功率密度相同。注意横坐标要从波数变换为纳米，即用10000000nm(1cm)除以波数就行了。但有一点要注意，不同波长的激发光照射样品，得到的拉曼相近，但荧光可以有很大不同，甚至相同波长不同功率激发，荧光谱都大不一样
光声和荧光深度区别
光声和荧光技术在生物医学成像领域有其自身独特的优点和缺点,更重要是,二者可以优势互补.光声成像可以实现数厘米的穿透深度同时保证较好的分辨率,但是它的灵敏度不够;荧光成像具有很好的灵敏度,但是空间分辨率有限.根据Jablonski能级图...
人工智能将深度介入肿瘤诊治
近日，国家肿瘤临床医学研究中心与中国科学院计算技术研究所签署合作协议，双方将在医学影像计算机辅助诊断、肿瘤多组学等科研领域开展合作研究。国家肿瘤临床医学研究中心主任郝希山院士表示，此次强强联合将建造医疗界的“阿尔法狗”，使人工智能深入到肿瘤诊治的多个领域。 据介绍，当前人工智能已经深入到医疗行
深度学习复兴：向人工智能迈进
它是未来的一部分，我们才刚刚开始。图片来源：BRUCE ROLFF 3年前，美国加利福尼亚州山景城神秘的谷歌X实验室的研究人员从YouTube视频中提取了1000万个静态图像，并将其输入“谷歌大脑”——由1000台计算机构成的网络，从而试图像一个蹒跚学步的孩子一样吸收这个世界的信息。经过3
人工智能进入“深度学习+”阶段
虽然从底层技术看，ChatGPT并不算创新，但其社会影响远远超出了预期。这款由美国人工智能公司OpenAI开发的聊天机器人，2022年11月推出后火遍全球，成为史上增长最快的消费者应用程序。 让机器和真人自由对话，一直是人工智能领域的重要目标之一。ChatGPT的爆火背后，其实是深度学习技术的
使用天文学技术检测“深度伪造”人脸
计算机生成的“深度伪造”图像，乍一看与真实照片一模一样。目前，研究人员正在利用天文学技术来帮助确定图像的真实性——使用通常用于调查遥远星系的方法分析人脸图像，可以测量一个人的眼睛如何反射光，从而发现图像处理的迹象。深度造假的图像和视频可以用来传播错误信息。图片来源：Stu Gray/Alamy
使用天文学技术检测“深度伪造”人脸
计算机生成的“深度伪造”图像，乍一看与真实照片一模一样。目前，研究人员正在利用天文学技术来帮助确定图像的真实性——使用通常用于调查遥远星系的方法分析人脸图像，可以测量一个人的眼睛如何反射光，从而发现图像处理的迹象。深度造假的图像和视频可以用来传播错误信息。图片来源：Stu Gray/Alamy近日，
科学家发现深度神经网络对幻觉轮廓“视而不见”
近日，中科院自动化所研究员曾毅团队研究发现，从经典的到最先进的深度神经网络都难以像人一样具有较好的幻觉轮廓识别能力。相关研究成果发表于细胞出版社旗下期刊《模式》。神经网络和深度学习模型在过去十年中看似取得巨大成功，在许多给定的视觉任务中在指定方面超过了人类表现。然而，神经网络的性能仍然会随着各种图像
独特视角：从物理智能到微波视觉（三）
每个阶段还应该研究对应的人脑原生的驱动力，如生理需求、心理需求等，这些需求是驱动通用人工智能算法进行正确学习的必要源动力。第4个阶段研究对象为意识的本质，意识如何形成是一个根本科学问题，人工智能是否能产生意识更是一个哲学问题，这一根本问题的研究有助于解答人类一直寻求的答案：人是从哪里来的。有一点可以
独特视角：从物理智能到微波视觉（一）
摘要：近10 年来，人工智能技术得到了科技与工业界的极大的重视，预示着人类文明将进入智能时代。但是，作为智能时代基础的“智能科学”还远未成型。本文从电磁物理信息感知技术的独特视角，讨论智能科学如何发展的一些见解，指出人类智能与外在世界互为对偶问题、相互不可分割的根本属性，因此按人工智能所应对的对
传统方法－vs－光学AI：谁更胜一筹？
光计算让深度伪造检测又快又准 本文基于 ScienceDaily 报道，原文链接：https://www.sciencedaily.com/releases/2026/09/260929053534.htm 。加州大学洛杉矶分校（UCLA）的研究团队开发出一种新型光学神经处理器，借助光的物理传播来
自动化所与北大合作开源深度脉冲神经网络框架
原文地址：http://news.sciencenet.cn/htmlnews/2023/10/510643.shtm
中科睿鉴成果获世界互联网大会领先科技成果奖
11月9日，2022年世界互联网领先科技成果发布活动在浙江乌镇举办，现场评选出15项具有国际代表性的年度领先科技成果。中科睿鉴成果“睿鉴数字内容虚假伪造检测系统和设备”从近300个参评项目中脱颖而出，获世界互联网领先科技成果奖。 荀子曰：“流言止于智者。”与虚假伪造信息的斗争，自古至今从未停止。
“可微分神经计算机”问世
英国《自然》杂志10月12日发表了一项人工智能重要成果，描述了一种集神经网络与计算机优点于一身的混合型学习机器，既能像神经网络那样学习，又能像计算机那样处理复杂数据。 传统计算机可以处理复杂的数据形式，但是需要手工编程来执行这些任务。而人工神经网络（ANN）一直用来模拟像人脑一样的学习能力。早
深度学习三巨头共同获得2018年度图灵奖
今日晚间，ACM（国际计算机学会）宣布，有“深度学习三巨头”之称的Yoshua Bengio、Yann LeCun、Geoffrey Hinton共同获得了2018年的图灵奖，这是图灵奖1966年建立以来少有的一年颁奖给三位获奖者。ACM同时宣布，将于2019年6月15日在旧金山举行年度颁奖晚宴
新型光电神经网络架构让光电计算精度更高
近日，清华大学深圳国际研究生院副教授耿子涵团队联合鹏城实验室等单位，提出了一种基于级联微环谐振器的光电神经网络架构。相关研究成果以封面文章的形式发表于《激光与光子学评论》。该研究通过器件结构创新与系统级的优化设计，实现了高消光比与窄带宽，显著提升了系统的光谱密度与计算密度，成功攻克了因光强非负性而难
多任务深度神经网络建立药物调控激酶谱的预测分析方法
蛋白激酶（protein kinases）是细胞功能的关键调节分子，是生物体内最大且功能最多样的基因家族之一。因此，激酶是开发治疗癌症、炎症、糖尿病、心血管疾病和阿尔兹海默症等相关疾病药物的重要靶标。然而，由于激酶家族蛋白质（特别是催化域）结构的高度保守性，给高效选择性激酶抑制剂的开发带来了巨大
科学家首次将深度卷积神经网络应用于肝硬化
12月1日，由中国门静脉高压联盟（CHESS）负责人祁小龙组织发起的CHESS1802国际多中心研究（NCT03766880）发表于国际权威消化肝病期刊《临床胃肠病和肝病学》，首次将深度卷积神经网络应用于肝硬化场景，建立了一套基于放射影像的AI算法，助力门静脉高压精准无创诊断。 本研究由中国
清华交叉团队发布中国人工智能光芯片“太极”
日前，清华大学电子工程系副教授方璐课题组、自动化系戴琼海院士课题组摒弃传统电子深度计算范式，首创出分布式广度智能光计算架构，并研制出全球首款大规模干涉衍射异构集成芯片太极（Taichi），实现了160 TOPS/W的通用智能计算。该研究成果于北京时间4月12日凌晨发表在最新一期《科学》上。作为人工智
新神经网络让人工智能像人一样思考
美国科学家开发了一个具有类似人类系统泛化能力的神经网络，挑战了一个已存在35年的观点，即神经网络缺乏系统泛化的能力，不是人脑的可行模型。相关研究近日发表于《自然》。研究者表示，使用新方法或能开发出行为更像人类的人工智能（AI）系统。人类能学习新概念，如跳跃，并将之应用到其他情景中，如向后跳或跳过障碍
“深度思维”让人工智能成功检测眼病
据英国《金融时报》在线版近日消息称，继“阿法狗”之后，谷歌旗下人工智能子公司——“深度思维”（DeepMind）已成功训练一种人工智能（AI）算法检测疾病，比人类专家更迅速、更高效，这或是AI在医疗领域的首个重大应用。 2017年5月，当“深度思维”最知名的人工智能——“阿法狗”战胜围棋世界冠
促进公众理解－推动人工智能深度创新
原文地址：http://news.sciencenet.cn/htmlnews/2023/9/509246.shtm“生成式人工智能这个生产力已经到来，我们要驾而驭之。”9月20日，2023世界公众科学素质促进大会“促进公众理解人工智能”专题论坛上，中国电子学会副理事长、中国新一代人工智能发展战略研