訓練されていない物理駆動ニューラルネットワークによって可能になったテラヘルツプチコグラフィー

科学分野:

• 物理学
• 画像科学
• コンピュータ科学

背景:

• プチコグラフィーは,変換された強度画像を使用する相画像技術です.
• ディープラーニングはフェーズリトレイリングの有望性を示しているが,大きなラベル付きのデータセットが必要である.
• テラヘルツ (THz) に標識されたデータをニューラルネットワークの予備訓練のために取得することは困難であり,一般化を制限しています.

研究 の 目的:

• THz ptychographyのための高品質の復元方法を開発する.
• THzイメージングのディープラーニングのデータ制限を克服する.
• 適応可能で効率的なフェーズ回収技術を導入する.

主な方法:

• 訓練されていない物理駆動ニューラルネットワーク (UPNN) を提案した.
• UPNNはニューラルネットワークの推論を導くために現実世界の物理モデルを統合します.
• ネットワークは単一のデータセットを必要とし,予備訓練の必要性を排除します.

主要な成果:

• UPNNは高品質のTHz ptychographyの再構築を達成しています.
• 従来のイテラティブ・プチグラフィー・アルゴリズムよりも優れた性能を示した.
• 画像の品質,側面の解像度,および強度が向上しました.

結論:

• UPNNはTHz ptychographyの再構築のための柔軟で効果的なソリューションを提供しています.
• この方法は,THzイメージングのディープラーニングにおけるデータ取得の課題を克服します.
• UPNNは,フェーズリトリーバルのための伝統的なアルゴリズムに強力な代替手段を提供します.