Terahertz ptychography habilitado por las redes neuronales no entrenadas por la física

Área de la Ciencia:

• La física
• Ciencia de las imágenes
• Ciencias computacionales

Sus antecedentes:

• La picografía es una técnica de imagen de fase que utiliza imágenes de intensidad traducidas.
• El aprendizaje profundo es prometedor para la recuperación de fases, pero requiere grandes conjuntos de datos etiquetados.
• La adquisición de datos etiquetados en terahercios (THz) para el entrenamiento previo de redes neuronales es un desafío, lo que limita la generalización.

Objetivo del estudio:

• Desarrollar un método de reconstrucción de alta calidad para la pictografía THz.
• Para superar las limitaciones de datos en el aprendizaje profundo para imágenes THz.
• Introducir una técnica de recuperación de fase adaptable y eficiente.

Principales métodos:

• Propuso una red neuronal impulsada por la física no entrenada (UPNN).
• UPNN integra modelos físicos del mundo real para guiar la inferencia de la red neuronal.
• La red solo requiere un único conjunto de datos, lo que elimina la necesidad de capacitación previa.

Principales resultados:

• UPNN logra una reconstrucción de alta calidad de la pticoografía THz.
• Demostró un rendimiento superior a los algoritmos de picografía iterativa convencionales.
• Mostró mejoras en la calidad de imagen, resolución lateral y robustez.

Conclusiones:

• UPNN ofrece una solución flexible y eficaz para la reconstrucción de la picografía THz.
• El método supera los desafíos de adquisición de datos en el aprendizaje profundo para la imagen THz.
• UPNN proporciona una alternativa robusta a los algoritmos tradicionales para la recuperación de fases.