聲學和光學成像在生物醫學成像、工業檢測、微電子刻蝕等領域具有重要的用途。傳統的光波或聲波成像受制於阿貝衍射極限，成像解析度只能達到波長的一半左右。

在確定的成像波長條件下，為了能夠更清楚地看到物體的細節，通常需要採取一些額外的輔助成像方法來提高成像的解析度，比如油浸、近場掃描成像法、熒游標記成像法等等。但是這些輔助成像方法往往非常繁瑣，成本很高而且需要很大計算量。

近年來超構透鏡的出現極大的促進了超分辨成像領域的發展，但是由於超構透鏡材料的吸收損耗往往比較大，因此極大地限制了超構透鏡的推廣和應用。

近期，來自瑞士洛桑聯邦理工學院（EPFL）的 Romain Fleury和 Bakhtiyar Orazbayev團隊在 Physical Review X上發表論文 Far-Field Subwavelength Acoustic Imaging by Deep Learning，提出了一種新的基於機器學習成像方法的超構透鏡，可以簡單高效地實現聲波的深亞波長成像。重要的是，在這種成像方法中，材料損耗的增大可以提高這種方法的準確率。

這種方法的解析度可達到波長的 1/30，同時不破壞物體結構。這種成像方法在晶元光刻、醫學成像和非接觸式材料檢測等成像領域有廣泛的應用前景。

詳細內文請參考網址