该研究提出了一种新方法，利用潜在神经常微分方程模型，加速量子光学单光子发射体的表征，实验时间缩短至20倍。

该文章介绍了一种新的成像和神经渲染技术，可以合成通过场景传播的光的视频。该方法利用超快成像设备捕捉多视角视频数据集，并引入了基于瞬态场的高效神经体渲染框架。该技术可以渲染复杂效果，并演示了去除视点相关传播延迟、相对论效应的渲染以及直接和全局光传输的视频合成。

本研究使用机器学习方法解决了单光子源质量评估的问题。研究发现，迁移学习可以提高估计效果，提高传统方法的效率和准确性。

研究人员提出了一种传感器融合框架，将单光子雪崩二极管（SPAD）传感器与事件相机相结合，以实现对高速低光场景的重建。评估结果显示，事件 - SPAD 融合在重建低光场景方面表现出显著提升。

我们提出了一种紧凑的脉冲卷积神经网络（SCNN）和脉冲多层感知机（SMLP），用于在黑暗和明亮的环境中使用 9.6 个单光子雪崩二极管（SPAD）阵列来识别十种不同的手势。与卷积神经网络（CNN）相比，SCNN 在黑暗和环境光污染环境中实现了可比较的准确率（90.8%），并且只有 8 个时间步长的浮点操作。SMLP 还呈现出计算工作量和准确性之间的平衡。