中國(guó)科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心人工智能部研究員楊小渝的博士生鄭巳明于近期取得多項(xiàng)學(xué)術(shù)成果，相關(guān)研究成果發(fā)表在Patterns和Photonics Research上。

原位電子顯微技術(shù)（EM）與超快探測(cè)器的發(fā)展為探索材料的動(dòng)力學(xué)打開了一扇新的大門，然而，這也對(duì)透射電鏡大數(shù)據(jù)壓縮和存儲(chǔ)提出了挑戰(zhàn)。開發(fā)出一種高效、高保真的大數(shù)據(jù)壓縮策略對(duì)推動(dòng)透射電子技術(shù)的廣泛應(yīng)用具有重要意義。該研究成果以Super-compression of large electron microscopy time series by deep compressive sensing learning為題，發(fā)表在Patterns上。該研究中，研究人員結(jié)合深度學(xué)習(xí)（deep learning）和時(shí)間壓縮感知（temporal compressive sensing）提出一種新穎的EM大數(shù)據(jù)壓縮策略。具體而言，時(shí)間壓縮感知（TCS）首先用作編碼器，將多個(gè)幀壓縮為單幀測(cè)量，顯著降低了帶寬和數(shù)據(jù)傳輸、存儲(chǔ)的內(nèi)存要求。然后，構(gòu)建了端到端的深度學(xué)習(xí)網(wǎng)絡(luò)，以極高的速度從單幀測(cè)量中重建原始圖像系列。由于深度學(xué)習(xí)框架的壓縮效率和內(nèi)置去噪能力比傳統(tǒng)的JPEG壓縮顯著提高，因此，能夠高保真地重建壓縮比高達(dá)30的原位系列圖像或視頻。使用這一策略可以節(jié)省大量的編碼能力、內(nèi)存和傳輸帶寬。這一技術(shù)將有望在電鏡和其他成像技術(shù)的大數(shù)據(jù)存儲(chǔ)中獲得廣泛應(yīng)用。

真實(shí)場(chǎng)景光譜豐富。自攝影誕生以來，捕捉顏色和光譜信息一直是核心問題。研究人員提出了一種即插即用（PnP）方法，該方法使用基于深度學(xué)習(xí)的降噪器作為光譜快照壓縮成像（SCI）的正則化先驗(yàn)。 該方法有效權(quán)衡了壓縮圖像重建的質(zhì)量和速度，并且可以靈活地用于不同的壓縮編碼機(jī)制。這為在一個(gè)快照中捕獲和恢復(fù)多光譜或高光譜信息鋪平了道路，可能會(huì)激發(fā)遙感、生物醫(yī)學(xué)科學(xué)和材料科學(xué)中的應(yīng)用。相關(guān)文章發(fā)表于Photonics Research。

圖1.用于大數(shù)據(jù)電子顯微鏡（EM）的時(shí)間壓感知-深度學(xué)習(xí)（TCS-DL）框架結(jié)構(gòu)

圖2.典型光譜SCI系統(tǒng)的圖像形成過程，即SD-CASSI和使用所提出的深度即插即用（PnP）先驗(yàn)算法的重建過程