解决光学成像“圣杯”，科学家开发神经网络波前整形

在物理学中，我们经常遇到这样一个问题：如何通过一些散射介质（比如大气层、皮肤或纤维束）来观察或成像一个物体？你可能会想，这很简单，只要用一束激光照射物体，然后用一个探测器接收反射或透射的光就可以了。但是，问题在于，当光通过散射介质时，它会被随机地偏折和衍射，导致光波前发生变形。这就像你在水里看东西一样，你会发现它们变得模糊和扭曲了。这种光波前的变形会降低成像的分辨率和对比度，甚至使成像变得不可能。

那么，有没有办法来修正光波前的变形呢？答案是肯定的。一种方法是使用自适应光学，它利用可变形的镜子或透镜来调节光波前，使其与散射介质产生的相位延迟相抵消。但是，自适应光学有一些局限性，比如它只能修正低阶的变形（也就是说，只能处理小范围内的偏折），而且它需要一个参考点（也叫做导星），比如一个已知位置和亮度的点光源或一个荧光标记物，来测量和反馈光波前的变形。如果没有导星，或者导星太暗或太稀疏，那么自适应光学就无法工作。

另一种方法是使用波前整形，它利用高分辨率的空间光调制器，比如液晶显示器或微镜阵列，来对入射光进行精细的调制，使其在通过散射介质后能够聚焦到一个目标点上。这样就可以实现高阶的变形修正（也就是说，可以处理大范围内的偏折），而且不需要导星。但是，波前整形也有一些局限性，比如它需要控制入射光的强度和相位（也就是说，需要使用相干光源），而且它需要逐点扫描目标区域（也就是说，需要使用点探测器），而且它不能处理动态的场景和变形（也就是说，需要使用静态的物体和散射介质）。

那么，有没有办法来结合自适应光学和波前整形的优点，并且避免它们的缺点呢？答案是肯定的。这就是本文要介绍的新方法：神经网络波前整形（NeuWS）。NeuWS是一种扫描无关的波前整形技术，它利用最大似然估计、测量调制和神经网络信号表示来重建通过强静态和动态散射介质的衍射极限成像，而不需要导星、稀疏目标、控制照明或专门的图像传感器。

NeuWS的工作原理如下。首先，我们使用一个随机的相位模式来调制入射光，然后用一个普通的相机来拍摄通过散射介质的图像。这样，我们就得到了一个包含了物体信息和散射信息的混合图像。