由于传统的光谱仪体积庞大而不符合很多实际应用场景，因此将光谱仪微型化以用于紧凑且经济型移动平台是当前光谱学研究的一项主要挑战。现有的微型化设计主要依赖于纳米光子结构的预校准响应函数，以编码探测器阵列在快照中捕获的光谱信息。精确的光谱重建是通过计算技术实现的，但这需要精确的器件设计、高精度的制造工艺和校准共同配合。 据麦姆斯咨询报道，近日，华中科技大学智能制造装备与技术全国重点实验室的科研团队在Light: Science Applications期刊上发表了以“Ultra-simplified

人工智能和机器学习的持续发展正在重塑生活方式和工作场所，现在随着基础模型和生成式人工智能（AI）的出现，这种重塑更为明显。数字化转型的深入会带来的计算吞吐量的显著增长，这就增加了对硬件效率的需求。现场可编程门阵列（FPGA）是一种理想的芯片解决方案，凭借其低延迟、高吞吐量和低功耗等差异化优势，可帮助开发人员驾驭这一转变并设计可重新编程的嵌入式系统应用。 FPGA广泛用于通信、计算、工业、汽车和消费市场，包括AI 和机器学习（ML）等多种应用。从实现低延迟AI推理、低功耗嵌入式显示处理、部署安全