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。

本文介绍了一种新型后投影技术，通过三次散射空间时间流形重建隐藏几何形状，提升了非直视重建的速度和质量。同时，研究提出了基于单光子激光雷达和神经渲染的多视角视频合成方法，有效恢复复杂3D形状和场景特征，适用于自动驾驶和机器人技术等领域。

本文提出了一种数据驱动的方法，利用无监督机器学习识别病理，从而提升量子设备的验证效率。研究探讨了机器学习在量子态重建、量子计量和气相外延生长量子点等领域的应用，展示了深度学习和强化学习在量子计算中的潜力。

本研究提出了一种被动自由运行的单光子雪崩二极管（SPAD）成像技术，能够在自然光下捕捉高动态范围的2D图像，适用于低光和高速运动场景，具有广泛的应用潜力。

本文综述脉冲神经网络（SNN）在手势识别中的应用。一项研究采用低分辨率热传感器结合SNN与稀疏分割，在汽车数据集上达到93.9%准确率，内存和计算量比深度学习低一个数量级。其他工作包括DNN转SNN、Loihi芯片实时识别、Spiking Gating Flow在线动作识别、美国手语分类以及事件与深度数据融合等，表明SNN在精度、延迟和能耗方面具有优势。