1.光学神经网络架构创新：从空间光衍射神经网络的并行计算优势，到片上集成网络的微型化突破，实现了从宏观到微观尺度的算力升级。
2.光计算加速机制：基于光学矩阵- 向量乘法器的深度神经网络，为 AI 算法提供了超高速、低能耗的硬件支撑，推动神经网络协处理器走向实用化。
3.超构材料与逆向设计：通过智能算法逆向设计的超构神经网络，突破了传统光学器件的功能局限，实现了光场调控与信息处理的一体化。
4.光学生成模型：光学自动编码器与生成- 对抗网络的发展，为图像识别、光场重建等任务提供了全新的物理实现路径。
5.非线性光学突破：光学非线性激活函数的突破，解决了光计算中关键的非线性操作瓶颈，完善了光学神经网络的功能闭环。
来自"985 工程""211 工程" 重点建设院校。在《ACS Photonics》《Journal of Lightwave Technology》等国际权威期刊发表学术论文数十篇，长期为 Laser & Photonics Review、Photonics Research、Journal of Lightwave Technology、IEEE JSTQE、Optics Express、Optics Letter 等光子学领域期刊承担审稿工作。研究方向涵盖光电子集成芯片、拓扑光子学、计算光子学，以及深度学习与光子学交叉学科等领域。
