超高速成像一直是光学领域的技术难题；传统超高速摄像面临两大困境：一方面，极短的曝光时间导致光子采集不足，容易产生图像模糊；另一方面，为了获取足够信号而延长曝光，又会引入各类伪影和畸变。这种矛盾使得在极暗环境中捕捉瞬间动态过程如同"捕捉闪电"般困难。 西安光机所姚保利研究团队创新性地将物理约束与深度学习相融合，提出了"多先验物理增强神经网络"成像框架。该框架的核心创新在于，不依赖海量数据训练，而是将光致发光物理规律、时间采样信息、图像稀疏特性以及神经网络结构先验等多重物理约束深度融入模型。研究员柏晨形象地比喻此方法如同破案时综合多方证据——通过目击者描述、物证、现场痕迹等多重互补线索的相互印证与修正，显著抑制伪影、矫正形变，最终在低光子条件下重建出清晰真实的时间序列图像。 仅有算法创新还不够。研究团队还设计了配套的精巧硬件系统。系统采用脉冲激光激发被观测物体，利用数字微镜器件快速投射随机图案进行空间编码，实现了硬件与算法的深度协同。 实验结果充分验证了该技术的优越性。在每秒3.3万帧的超高拍摄速度下，新方法的空间分辨率达到传统主流方法的3.56倍，图像锐度和保真度提升约1.85倍，信噪比平均提高约4分贝。这些指标的全面提升意味着成像的清晰度、真实度和稳定性都获得了质的飞跃。 该技术的应用潜力已初步显现。研究团队将其应用于食品安全检测领域，借助特殊的纳米荧光探针，成功在酒精溶液中以微秒级精度无损检测出合成色素苋菜红。这为快速、精准地检测样品中含量极低的物质开辟了新途径，对食品安全监管很重要。 该研究工作得到国家自然科学基金、国家重点研发计划等项目支持，对应的成果已发表于超快科学领域的高影响力期刊《超快科学》，标志着我国在高速成像领域的国际竞争力继续增强。
这项结合光学工程与计算科学的创新成果证明，重大技术突破往往来自学科交叉领域。中国科研团队正通过原创性研究解决基础科学难题。《超快科学》评审专家评价称："该研究重新定义了极端条件下的成像标准。"