据中国光学期刊网，于2023年10月15日报道， 如果你询问从事自动驾驶车辆研发人员所面临的最大挑战是什么，他们可能会回答你在恶劣的天气下无法进行高质量的成像。还有生物学家在显微技术中所面临的最大挑战是无法在活体组织中对深层组织成像，亦或是水下摄影师面临的最大挑战是无法对远处的物体清晰成像，只能拍摄那些距离比较近的物体。归根结底，这些“恶劣天气”、“深层组织”、 “水下”等问题在技术上实际都是指光散射。

        近期，美国莱斯大学的Veeraraghavan和马里兰大学的Christopher Metzler共同带领的联合研究团队设计了一种神经波前整形（NeuWS）技术，可以有效解决成像时的光散射问题，有望制成能够透过烟雾、大雨、皮肤、骨头等散射介质还可以清晰成像的新型相机。该研究以“NeuWS: Neural wavefront shaping for guidestar-free imaging through static and dynamic scattering media”为题发表在Science Advances 上（DOI: 10.1126/sciadv.adg4671）。

        从概念上讲，NeuWS 所基于的原理为光波是一个复杂的数学量，其具有幅度和相位两个关键属性，可以针对任何给定位置进行计算。其中幅度是指波在该位置的能量量级，相位是指波在该位置的振动状态。Metzler 和 Veeraraghavan 表示，尽管测量相位对于克服光散射至关重要，但由于光学频率较高，直接测量是不切实际的。因此，他们改用“波前”来测量入射光，即包含相位和强度信息的单个测量，并使用后端处理从每秒数百个波前测量中快速破译相位信息。

        该技术的关键是找到一种可以快速测量相位信息的方法，虽然WISH（一种由Metzler在莱斯大学开发的早期波前处理技术）可以解决这个问题，但它需要在基于静态的假设下才可以起作用。然而在现实世界中，事物是不断变化的。不过利用NeuWS不仅是消除散射的影响，而且消除速度还足够快，这样散射介质本身在测量过程中就不会发生变化。

        Veeraraghavan表示，他们不是测量振荡本身的状态，而是测量其与已知波前的相关性。取一个已知的波前，将其与未知的波前干涉，然后测量两者产生的干涉图案。这就是这两个波前之间的相关性。Metzler在夜间透过云雾观察北极星进行类比，“如果我知道北极星的实际样子，并且可以看出它以某种特定方式模糊，那么这就告诉我其他一切都会如何模糊。” Veerarghavan继续补充道，这不是比较，而是相关性，如果你测量至少三个这样的相关性，你就可以唯一地恢复未知的波前。

        为了在实验中进行验证，Veeraraghavan、Metzler 及其同事将包含猫头鹰或乌龟打印图像的显微镜载玻片在主轴上旋转，并由顶部的摄像机拍摄。他们在摄像机和目标玻片之间放置了散射介质（洋葱皮、涂有指甲油的玻片、鸡胸组织切片和光散射薄膜等），测量了 NeuWS 校正光散射的能力。对于每一种散射介质，实验结果表明NeuWS能够纠正光散射，并产生清晰的旋转图像。

        研究团队称，他们通过神经算法来连续计算散射和场景，并保持高效的速度。NeuWS快速调制来自入射波前的光，产生几个略微改变的相位测量值。然后，这些改变的相位被直接输入一个拥有16,000个参数的神经网络中，该网络可以快速计算出恢复波前原始相位信息所需的相关性。Metzler认为，神经网络能够在尽可能少的测量情况下来提高速度，这是本研究最大的闪光点。因为越少的测量意味着更少的捕获时间，使得他们能够捕获视频而不是静态帧。