数字自适应光学扫描光场互迭代层析成像技术（DAOSLIMIT）
数字自适应光学扫描光场互迭代层析成像技术（DAOSLIMIT）能够在动物体内实现高时空分辨率的成像，同时将光毒性降至最低，从而支持长达数小时的持续观察。
大规模衍射干涉太极光子微芯片组，以每瓦特160万亿次操作的高能效解决先进的人工通用智能任务
随着人工通用智能（AGI）的迅速进步，对下一代计算的性能和能效需求也在增长。光子计算被认为有望满足这些需求，尽管它已经引起了广泛关注，但目前的光子集成电路在规模和计算能力上仍有限，难以支撑现代AGI任务。徐等研究者通过探索一种分布式衍射干涉混合光子计算架构，成功将ONN的规模扩展到了百万神经元级别。他们实验性地在一个芯片上实现了拥有1396万个神经元的ONN，可执行复杂的千分类级别任务和AI生成内容。这项研究为现实世界中的光子计算应用奠定了基础，并有望支持AI领域的多种应用。
ACCEL：4.5 Peta-OPS全模拟光电芯片，适用于高速视觉任务
集成了光学和电子模拟计算模块的单芯片，为创建速度和能效远超最先进数字处理器的全模拟计算处理器提供了一种新策略。ACCEL能在约72纳秒内完成对各种日常生活场景高分辨率图像的分类，且能耗低于5纳焦耳，其速度比顶级图形处理单元快3000倍以上，能耗降低达400万倍。
数字自适应光学元成像传感器
论文中提出了一种创新方法，有效应对动态和复杂成像环境下成像分辨率和信噪比快速下降的问题。作者们研发了一种集成的元成像传感器，并引入了数字自适应光学架构，该架构能实现高速、宽范围的光学畸变校正，为解决长久以来的光学畸变问题提供了新思路。这一技术将传统自适应光学的有效视场从40角秒扩大到了1000角秒。这项突破性研究在天文观测、工业检测和医疗诊断等多个领域具有广泛的应用前景。
DeepCAD: 在不查看任何干净数据的情况下，对荧光图像进行去噪处理
DeepCAD是一种高效的自监督深度学习方法，专门用于快速处理荧光时间序列图像的去噪。该方法允许直接使用原始低信噪比数据进行卷积网络的训练，特别适用于功能成像领域，如样本快速动态变化的情况，此时获取真实数据往往困难或不可行。我们通过包括小鼠、斑马鱼和果蝇的钙成像、细胞迁移观察，以及一种新型神经递质指示剂的成像等大量实验，验证了DeepCAD在2D单平面成像和3D体积成像方面的有效性。实验结果表明，DeepCAD能够显著提升荧光时间序列成像数据的质量，实现超越散粒噪声限制的高灵敏度生物动态成像。
双光子合成孔径显微镜（2pSAM）
通过在双光子显微镜中应用合成孔径雷达原理，2pSAM实现了对深层组织中大体积亚细胞动态的毫秒级三维成像，并显著降低了光毒性，从而在小鼠体内进行具有挑战性的连续长期成像成为可能。
RUSH拍摄神经活动
实时超大视场高分辨率显微镜(RUSH)是世界上视野最大的高分辨率显微镜，能够在多种生命科学应用中发挥重要作用。
