不同的应用场景，可以将光纤束两端的制备成各种形状，也可以将光纤支撑刚性的导光棒。二、玻璃光纤传光束传光束一般是由多根玻璃光纤排列组合而成，传光束的两端用光学胶水粘合，外面加装保护结构。传光束的透过率一般每米＞50%，其耐温性取决于胶粘剂和护套的材料，耐温范围一般为-40℃-250℃，最小弯曲半径30 D。在日常的生产生活中比较常见的光纤束种类有一下几种：（1）常规传光束。常规传光束的输入输出端均为圆形光束，又称一进一出“单一光导”，它与冷光源相结合适合观察空间狭小、有障碍等困难条件下的照明。如用于医疗观察仪器的照明，最具代表性的是采用柔性传像束与导光束的各种医用内窥镜（胃镜、腹腔镜、肛肠镜等） ...
电计算技术背景：由电子驱动的计算处理器在过去十年中有了巨大的发展，从通用中央处理器 (CPU) 到专用计算平台，例如图形处理器 (GPU)、现场可编程门阵列(FPGA)和专用集成电路(ASIC)，以满足日益增长的计算资源需求。这些硅计算硬件平台的进步通过允许训练更大规模和更复杂的模型，为人工智能 (AI) 的复兴做出了巨大贡献。各种神经计算架构在广泛领域得到了广泛应用，例如卷积神经网络 (convolutional neural networks,CNN)、循环神经网络 (recurrent neural networks,RNN)、尖峰神经网络(spiking neural networks ...
场控制技术背景：光束转换器(transformer)用于将给定的入射光束转换为具有特定辐照度和相位(或波前)分布的输出光束。它在光刻、材料加工、激光或 LED 投影仪、光通信以及光检测和测距（激光雷达）中得到广泛应用。折射、反射和衍射光学元件都可用于光束转换器。常用的折射或反射光束转换器，设计时通常基于射线光学理论。设计问题主要由三种类型的方程约束：光束的能量守恒、以向量形式的斯涅尔定律(Snell's law)支配的光线追踪方程以及描述在输入和输出波前之间等光程的Malus-Dupin定理 。此外，对于制造问题，应考虑面型的表面连续性。光束转换器的发展路线为从输入和输出光束保持平面波 ...
超表面技术背景：作为纳米光子学的一个重要研究分支，光学超表面在过去十年中引起了很大的关注。精心设计的超表面可以在亚波长范围内任意操纵局部光特性，从而使透镜、棱镜、波片、偏振片和分束镜等传统光学元件的平面化成为可能。 此外，灵活的设计策略进一步使超表面能够在单层平台上实现光波的多维操纵。例如，通过诉诸光偏振、波长和入射角，以及不同的空间复用方案，已经有实现不同功能的大量多功能超表面得到报道。但是这些多功能超表面仅在一个操作空间有效，即要么透射空间或反射空间。能够独立控制透射和反射空间中的光的光学器件对于构建超紧凑光学系统具有重要意义。这是zui近基于多层超表面实现的。据报道，四层金属贴片可以协同 ...
求解器技术背景：散射理论描述了波与物质的相互作用，并用于物理和工程应用的各个领域。散射理论主要划分为两类问题：正向(forward)问题和逆向(inverse)问题。正向问题涉及从已知的结构化介质计算散射场，而逆向问题涉及从一个已知的散射场求结构化介质。当前已经有了数个被广泛使用的正向求解器，如有限差分时域(finite -difference time-domain,FDTD)法就是其中之一。相比之下，逆向问题被认为要比正向问题的求解更具挑战性(即便附加各种近似和假设前提)，这是因为逆向问题是病态(ill-posed)的，并且计算复杂。技术要点：基于此，韩国KAIST的Moosung Lee ...
器学习技术背景：深度学习是发展最快的机器学习方法之一，它利用在计算机中实现的多层人工神经网络对数据的表示和抽象进行数字化学习，并执行高级任务，与人类专家的表现相当甚至优于人类专家。深度学习的最新应用进展主要包括医学图像分析、语音识别、语言翻译、图像分类等。除了这些主流应用之外，深度学习方法也被用于解决逆成像问题。当前不足：当前的深度学习框架主要是在计算机中训练及执行的，而受限于摩尔定律接近其物理极限，硅基计算机的性能增长已经逐渐达到不可持续的水平，急需新一代的计算模式。文章创新点：基于此，美国加州大学洛杉矶分校(UCLA)Aydogan Ozcan组的Xing Lin和Yair Rivenso ...
能推理技术背景：当今需要理解的视觉数据量不断增加，迫使计算系统的计算能力持续攀升。在一系列应用中，如自动驾驶、机器视觉、智能家居、遥感、显微镜、安防监控、国防和物联网等，计算成像系统需要记录和处理前所未有的大量数据。这些数据不是给人类看的，而是由人工智能 (AI) 算法来解释。在这些应用中，深度神经网络(DNN)以其无与伦比的性能迅速成为视觉数据处理的标准算法。这主要得益于现代GPU的强大并行计算能力以及海量的数据集使得DNN能够使用监督学习的策略有效训练。然而，运行越来越复杂的神经网络的高端GPU以及其它的加速器，对功率和带宽的需求是惊人的，且需要大量的计算时间和庞大的体积。这些限制使得DN ...
率成像技术背景：超越衍射极限分辨率的光学成像技术推动了细胞内研究和单分子水平化学反应研究的发展。超分辨率受激发射损耗显微镜可以实现具有超高时空精度的三维成像。对于单分子检测和定位技术，如随机光学重建显微镜或光激活(photo-actived)定位显微镜,可光开关探针(photo-switchable probes)的位置定义为衍射极限点的中心位置。多次重复成像过程，每一次对不同的随机激活荧光团成像，可以实现纳米级的重建分辨率。然而，对样品透明性的要求，使得这些超分辨显微镜技术不可能用于被强散射介质(如生物组织、磨砂玻璃、粗糙墙角等)掩埋的物体。这些介质对光的吸收不强烈，但是扰乱了光路，产生像噪 ...
析成像技术背景：透明生物样品的光学显微镜成像可以大体分为无标记和有标记这两类。两者都致力于产生一种对比度机制，以实现所用波长照明下透明样品结构的可视化。基于标记的成像依赖于染色剂和各种造影剂在某些感兴趣的结构处产生荧光。无标记成像是非侵入性的，以特异性为代价简化了样品制备，并避免了造影剂的任何可能的毒副作用。定量相位成像是无标记成像的一种，它依赖样品和周围介质的相位差(表现为折射率差)对透明结构成像。数字全息就是这样一种常用的无标记手段，样品的数字全息图可以在焦平面外采集，然后在后处理中通过数值求解模拟波前传播过程的衍射积分进行数字聚焦。数字全息已在生物学、诊断学和医学、微流控和片上实验室成像 ...
经网络技术背景：与人工智能的许多历史发展一样，深度神经网络(DNN)得以广泛采用的部分原因在于协同硬件。2012年，Krizhevsky等人表明反向传播算法可以使用GPU有效地执行，以训练大型DNN进行图像分类。自2012年以来，DNN模型的计算需求迅速增长，甚至超过了摩尔定律。现在DNN越来越受到硬件能效的限制。新兴的DNN能量问题激发了专用硬件:DNN加速器。其中大部分是基于硬件物理和DNN中的数学运算之间的直接数学同构。一些加速器方案使用传统电子设备之外的物理系统，如光学和模拟电子交叉阵列等。大多数设备都针对深度学习的推理阶段(现在也有越来越多的设备针对训练阶段)，这占商业部署中深度学习 ...
或 投递简历至: hr@auniontech.com
