当人工智能、大模型和云计算不断产生海量数据，当记录结构不断缩小、数据越存越密时，一个长期存在的难题也愈发突出：不是写不进去，而是读不出来。
如何在不大幅改变现有光学硬件的情况下，从这些“看不清”的信号中重新准确读出数据，成为进一步提升光存储密度的关键问题。
据了解，清华大学深圳国际研究生院马建设、苏萍团队与上海理工大学顾敏院士团队等合作，提出了一种名为DECODS的深度学习增强计算光学解码策略。
简单来说，就是给光存储读取系统装上一个“AI大脑”：通过人工智能与计算光学相结合，在不改变传统光存储光学前端结构的情况下，让系统学会从受到衍射、噪声和串扰影响的复杂连续信号中识别原始数据，实现对高密度光存储信号的智能解码。
换句话说，DECODS并不是简单地给光存储“扩容”，也不是从物理上突破光学衍射极限，而是试图让读取系统变得更“聪明”——当“眼睛”已经看不清时，让“AI大脑”学会把数据认出来。 这一思路为提升传统光存储系统在衍射限制条件下的解码能力提供了一条新的计算路径。
研究团队以纳米级精度，重建了高密度光盘记录层的真实物理结构，并模拟出与真实实验特征接近的连续读出信号。即使在严重噪声、信号错位以及复杂串扰条件下，DECODS仍能够维持稳定可靠的解码能力。
这一结果并不意味着传统光学衍射极限被物理突破，而是说明在现有光学硬件条件下，人工智能与计算解码可以在“决策层”显著提升系统对高密度信息的可分辨能力。
DECODS展示了“计算增强型光存储”的新方向，即通过人工智能与物理建模协同优化传统存储系统，而不仅仅依赖硬件升级。该策略未来有望进一步应用于下一代超高密度光存储、冷数据中心以及长期低能耗数据归档等领域。
研究成果以“一种用于光学数据存储的深度学习增强计算光学解码策略（DECODS）”为题，发表在国产光学期刊《光子学》上。论文及系列论文第一作者为清华大学深圳国际研究生院2023届仪器仪表工程硕士毕业生刘明源，马建设、苏萍、顾敏为论文通讯作者。其他作者包括2023级智能制造工程硕士生董璐瑶等。
DECODS是研究团队在高密度光存储方向长期研究积累的重要进展。此前，团队围绕微纳执行器、精密读写设计以及高密度光存储系统等方向开展了系列研究。
采写：南都N视频记者 伍曼娜 通讯员 刘明源 董璐瑶 叶思佳专业的股票配资平台
鑫东财配资提示：文章来自网络，不代表本站观点。
- 上一篇：机构配资开户 意媒：普利西奇伤愈回归米兰合练，能否出战意甲首战待定
- 下一篇：没有了
相关文章
热点资讯
