核算光学经过引进核算赋能光学体系，打破传统光学在感知维度、光通量、分辨率等方面的限制。光学编码与核算解码的协同效果，为生物医学、地理观测、农业监测等范畴供给了增强的成像与感知才能。曩昔十年人工智能的跨越式开展，特别是深度学习技能，逐渐提升了核算光学的精度与功率。近年来鼓起的端到端联合优化技能，将光学编码进程数字化孪生为神经网络层，完成与解码进程的同步优化，其功能明显逾越传统办法。但是，从优化后的编码参数逆向映射至物理调制元件的物理孪生进程，因存在比特深度、数值规模与稳定性等方面的差异距离，面对严峻应战。本总述体系讨论数字孪生模型中空间、相位、光谱等多维光学调制元件的适配性，针对不同成像/感知使命对精度、速度、鲁棒性的差异化需求，提出调制元件的优选战略。相关剖析为霸占物理孪生瓶颈、推进下一代核算光学开展供给理论指引。
(a根底光学公式；b反向传达概念；c卷积神经网络开展前史；d核算成像结构；e根据深度学习的核算重建技能；f光学体系与图画处理的端到端联合优化；g物理孪生流程示例。)