2026 年 10 月 13 日
维特沃特斯兰德大学（Wits）科研团队近期开发出一种“光驱动大脑”系统，旨在解决复杂光模式的高效读取问题。该研究结合了人工智能与物理学专长，展示了仅利用光本身即可提取信息，而无需依赖高分辨率成像或大规模计算机处理的可能性。
相关成果已发表于《自然通讯》杂志。这项由艾萨克·内普（Isaac Nape）和安德鲁·福布斯（Andrew Forbes）教授在 Wits 结构光实验室指导的研究，由硕士研究生哈德里安·贝祖登霍特（Hadrian Bezuidenhout）主导，凯德·彼得斯（Kade Peters）和拉姆·南丹·库马尔（Ram Nandan Kumar）参与贡献。
基于拓扑学的光信息识别机制
光可以通过特定的形状图案传输信息，类似于字母组合成单词。然而，快速读取这些模式面临挑战，尤其是当光在传播过程中发生形变时。科学家利用光的“拓扑”特性来识别隐藏在这些图案中的特征，即使外观发生变化，其内在的扭曲数量等拓扑属性保持不变。
传统方法通常需要拍摄详细图像并分析成千上万个数据点。新开发的系统则通过专门设计的层将光线直接导向探测器，根据光落下的位置揭示其所携带的信息。APS I 光学工程师贝祖登霍特指出：“我们不需要绘制光线结构中的每一个纹理来计算扭曲。我们的网络能够筛选重要信息，从而帮助快速识别拓扑特征。”
实验数据显示，经过仅仅 15 个样本的训练，该“光驱动大脑”成功识别了 81 种不同的光结构。此外，当研究人员向探测器引入噪声干扰时，系统仍能正常工作，证明了其在非理想条件下读取信息的潜力。
AI 与量子科学的跨学科融合
这一突破体现了 Wits 在非洲两大前沿领域——人工智能和量子科学——结合的专业能力。通过将神经网络原理直接嵌入光的行为中，研究团队为信息处理开辟了新的可能性。
MIND 研究所强调，该研究是跨学科合作的重要范例。负责南非量子技术倡议 (SA QuTI) 和 WitsQ 的福布斯教授表示，这一进展有助于应对未来通信技术的重大挑战。“在结构光实验室，我们正在探索拓扑学如何支持未来的量子和经典互联网。创造这些光结构只是挑战的一部分，我们还需要实用的方法来读取它们，而这个测量工具箱仍在形成。这项研究表明，超越光子学的智能方法可以帮助我们构建它。”
与 MIND 研究所合作的内普教授补充道，光学智能的应用前景不仅限于通信领域。“我们希望这只是一个开始。我们将探索光学智能如何为南非的量子技术做出贡献，并研究这些工具如何解决相关问题。”
论文引用：
Hadrian Bezuidenhout et al, Deep diffractive optical neural networks for detecting the topological charge of light and its real-time training, Nature Communications (2026). DOI: 10.1038/s41467-026-77376-5
