AydoganOzcan团队Nature|光学生成模型

摘要：大规模生成式AI（从扩散到多模态大模型）在图像、语言、分子设计等领域迅速突破，但随之而来的算力、能耗与时延压力愈发突出：更大的模型、更长的推理时间、更高的碳足迹，成为“规模化落地”的核心掣肘。同时，现有“光学计算”多集中在感知、滤波与分类等任务，从随机噪声直接

导读

大规模生成式AI（从扩散到多模态大模型）在图像、语言、分子设计等领域迅速突破，但随之而来的算力、能耗与时延压力愈发突出：更大的模型、更长的推理时间、更高的碳足迹，成为“规模化落地”的核心掣肘。同时，现有“光学计算”多集中在感知、滤波与分类等任务，从随机噪声直接“创造”图像的“生成式”能力仍缺少高效的物理实现路径。

近日， UCLA的Aydogan Ozcan团队 提出的 光学生成模型 （Optical Generative Models）给出了一种全新解法：使用数字编码器将二维高斯噪声快速映射为相位分布，作为“光学生成种子”；随后在自由空间中，经由可重构衍射解码器进行全光处理，一次快照即可合成符合目标数据分布、但从未出现过的图像。除照明功率与数字编码外，合成过程几乎不消耗电子计算，生成的物理瓶颈仅由 SLM 的刷新率决定（光在衍射解码器中的传播

该成果发表于 Nature ，题为 Optical generative models ， 作者：陈世锜博士（第一作者），李煜航，王云天，陈瀚珑，Aydogan Ozcan教授（通讯作者）。 本工作的完成单位为UCLA ECE、Bioengineering、CNSI。

小百科：什么是“光学生成模型”？

光学生成模型是一种“光—电混合”的生成式AI框架：电侧用浅层数字网络把随机噪声编码成相位种子；光侧通过固定（或按任务重构）的衍射解码器在自由空间传播中完成生成计算；最终直接在模拟域生成图像。核心思想是把部分生成能力转移到光传播中，从而在推理时实现低能耗、可扩展的模拟域生成。

1 设计思路和工作原理

快照式光学生成模型（如图1 所示）：训练采用类似“教师-学生”进行知识蒸馏的方式，使用数字DDPM持续生成“噪声-图像”数据对，联合优化数字编码器与衍射解码器。训练后解码器对每个任务固定，种子可随机访问以合成无穷多样本。在推理过程中，随机二维噪声→数字编码器→相位种子（SLM加载）→固定衍射解码器→传感器记录生成图像；传播时间

图1：快照式光学生成模型

图源： Nature 644, 903–911 (2025)

除快照式光学生成模型外，作者还提出迭代式光学生成模型（如图2 所示）：把扩散模型的多步去噪过程“移植”到光学域。系统在多波长通道下多次加载相位，逐步将带噪样本逼近目标分布；与快照式相比，迭代式在生成多样性指标与背景干净度上进一步提升，且不易出现模式坍缩；甚至可在不使用数字编码器时仍生成多样人脸图像（但性能与多样性有所下降）。

图2：迭代式光学生成模型

2 实验系统与验证

实验验证系统（如图3 ）：通过激光照明，SLM显示经过数字编码器编码的相位种子，另一块 SLM 充当固定解码器；经分光与成像后由传感器记录输出强度。实验结果给出单色MNIST 与 Fashion-MNIST的实拍样例，证明快照式光学生成模型的可行性与多样性。

图3：光学生成模型实验系统与验证

更高分辨率与多色生成：为了证明光学生成模型的可扩展性，UCLA的研究团队将生成的数据分布扩展到高分辨率的梵高艺术品。作者将复杂扩散模型的知识蒸馏到快照式光学生成模型中后，在相同的实验验证系统中分别验证了高分辨率单色与RGB（多色可见光顺序照明）的数值与实拍结果，展示了与教师模型一致的生成、以及可创造出差异化内容的能力（如 图4-5 所示）