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。

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。