近年以来一直从事光纤集成器件和人工智能领域的研究，并取得了初步成果。这些研究工作与本项目密切相关，下面将对相关研究工作积累和已取得的研究成果进行简要叙述。
1.光纤集成器件
        围绕纤维集成器件在应用过程中所面临的难题，即如何在光纤中嵌入具有多种功能的单元，针对纤维集成器件的设计与制造，及其传感、捕获和智能化功能开展了深入的研究，探索以光纤为基底的微结构集成方法。在这一领域，以第一/通讯作者发表高水平SCI论文10篇，其中中科院 TOP期刊8篇，发表期刊包括ACS Sensors（IF=8.9, 中科院一区TOP, 分析化学领域排名4/86）、Journal of Lightwave Technology（IF=4.7, 中科院一区TOP）、Measurement（IF=5.6, 中科院二区TOP）、Optics and Laser Technology（IF=5, 中科院二区TOP）、Optics Express（IF=3.8, 中科院二区TOP）、Optics Letters（IF=3.6, 中科院二区TOP）。
2.人工智能
（1）类脑计算
        类脑计算系统模仿人脑处理信息的方式，是一种适用于实时处理非结构化信息并且具有自主学习能力的超低功耗新型光计算系统，是人工智能研究的前沿领域之一。通过引入相变材料，对微结构特种光纤进行加工，对输入激光束进行选择和调控，能够实现信息的感知、存储、运算、自主学习和目标识别等功能。该器件能够助力类脑计算系统的实现，为通用人工智能提供了全新的光学方案。相关工作已经发表在ACS Photonics（3篇, 2篇为提名封面, IF=7, 中科院一区TOP, 光学领域排名13/100）和Nanophotonics（1篇, IF=7.5, 中科院二区, 光学领域排名12/100）上。
（2）超表面衍射神经网络
        超表面衍射神经网络是光计算的重要分支，其由一层或多层级联的光学衍射元件组成，并垂直于光的传播方向放置。光学衍射层表面的每个小单元都是神经网络中的一个节点，神经网络的权重通过反向传播函数进行迭代优化。将超表面衍射神经网络应用于图像通信和计算成像两个领域。
        图像语义通信是一种根据通信意图，提取语义元素以提高图像传输效率的方法。提出了一种基于超表面衍射神经网络的深度联合信源信道图像压缩编码方法，该方法能够充分地利用超表面的光学计算速度、系统容量、计算能力以及任务并发性，与联合信源信道语义通信结合，应对语义通信在实际无线信道环境中难以实现的问题。相关工作已被IEEE Wireless Communications (IF=12.9, 中科院一区TOP, 计算机信息领域排名2/158)期刊录用。
        计算成像是一种兴起于20世纪90年代的光学成像技术，与传统光学成像不同，它不仅仅依赖于光学元器件，而是将光学系统和光信号处理有机结合，实现了物理域和计算域的紧密协同。提出了基于入射激光编码的时分复用非线性光学显微成像方法并探讨了其在生物医学领域的应用场景。