在生物醫學與材料科學的前沿探索中，動態、跨尺度觀測微觀樣本的需求日益迫切。傳統顯微鏡因依賴更換物鏡實現變倍，存在成像不連續、速度遲緩、易抖動等缺陷，難以捕捉快速變化的微觀過程。針對這一難題，科研團隊融合光學工程與人工智能技術，成功研制出全球首臺具備大變焦比與自適應像差校正能力的連續光學變焦顯微鏡，將顯微成像技術推向"硬件-軟件協同、物理-數據雙驅動"的新高度。
該系統的核心突破在于構建了端到端聯合優化框架，創新性地將液體透鏡的電控變焦特性與神經網絡算法深度耦合。研究團隊引入"四維點擴散函數"（4D PSF）作為物理先驗，該函數如同顯微鏡的"動態視覺指紋"，全面記錄了系統在不同空間位置、波長及連續變焦條件下的光學退化特征。通過將4D PSF嵌入神經網絡，實現了光學模擬與智能算法的協同優化，使系統在10.6倍至101.4倍變焦范圍內保持成像質量穩定，突破了傳統液體透鏡的光焦度限制。
硬件層面，科研人員設計了"可移動中繼像面"變焦物鏡結構，前、后變焦組各集成四個電潤濕液體透鏡。通過電壓調控液體透鏡曲率實現無機械移動變焦，配合中繼像面的動態調整，將系統變焦比提升至傳統方案的5倍以上。軟件算法方面，開發的4DPSF-PDNet網絡采用多模塊協同機制：先通過可學習維納濾波進行頻域降噪，再融合PSF物理特征生成引導信號，最終利用退化引導注意力機制實現像素級像差校正。實驗數據顯示，該系統在100倍放大下仍可分辨USAF-1951分辨率板第10組第3單元，對小鼠腸道組織切片成像時能保持目標持續清晰居中。
在像差校正性能對比中，4DPSF-PDNet展現出顯著優勢。面對包含多倍率退化圖像的測試集，其峰值信噪比達28.12 dB，較傳統PSF指導模型提升2.5 dB。這一突破源于物理先驗的深度嵌入，使算法能精準建模空間位置與放大倍率對像差的復合影響，有效抑制重建偽影。研究團隊透露，未來將探索高維PSF表征的潛力，并通過模型壓縮技術將推理速度提升至毫秒級，以滿足活體細胞觀測等實時性要求。
這項成果標志著顯微成像技術進入智能光學時代。通過將液體透鏡的動態調控能力與計算成像的智能修復能力有機結合，研究團隊開創了"光學硬件定義成像邊界，智能算法突破物理極限"的新范式。該技術已在小鼠視網膜神經元動態追蹤、鋰電池電極材料微結構演化等場景中完成驗證，其跨尺度觀測能力為生物醫學研究與新材料開發提供了全新工具。
在高端科研儀器領域，國產創新力量正加速崛起。以凱視邁（KathMatic）為代表的本土企業，通過持續攻關高精尖光學測量技術，已形成覆蓋精密測量顯微鏡、超景深3D數碼顯微鏡、激光多普勒測振系統等產品的完整矩陣。其KC系列多功能顯微鏡憑借0.1納米級測量精度，在半導體封裝檢測市場占據重要份額；KS系列超景深顯微鏡則以2000倍連續變焦能力，成為材料失效分析領域的標桿設備。這些突破表明，中國科研儀器產業正在從跟跑向并跑、領跑轉變。
