シングルグリッティングの移位測定システムにおけるデジタルモエールフリンジ用のニューラルネットワークベースのフェーズ抽出方法

科学分野:

• 光学とフォトニック
• 機械学習 アプリケーション
• メトロロジー・メトロロジー

背景:

• デジタルモエール・フリンジ・パターンは,移位測定に不可欠です.
• 従来の相抽出法ではスペクトル漏れが発生し,複雑なアルゴリズムが必要になります.
• シングルグリッティングシステムは,位移の測定に費用対効果の高いアプローチを提供します.

研究 の 目的:

• デジタルモイレフリンジパターンのための新しい,ディープラーニングベースのフェーズ抽出方法を開発する.
• ナノスケールの移位測定の精度と堅実性を向上させるため.
• シングルグリッティングシステムにおけるスペクトル漏れによるエラーを排除する.

主な方法:

• デジタルモアレフレンズの人工生成は,2Dコサイヌ画像を格子画像に重ねることで行われます.
• スペクトルリークを防止するために,サンプリングされたデータにモアールフリンジの整数期間の確保.
• 段階検出のために訓練されたニューラルネットワークを利用し,複雑な信号分解を回避します.

主要な成果:

• 提案されたディープラーニング法では,変数モード分解と比較して,相抽出精度が優れている.
• この方法は,移位測定における強化された強度を示しています.
• ナノスケール測定のためのシングルグリット構成での成功実装.

結論:

• この新しいディープラーニングのアプローチは,ナノスケールの移位測定のための低コストで高精度のソリューションを提供します.
• 人工モエールフリンジ生成は,相抽出エラーを効果的に排除します.
• この方法は,複雑なアルゴリズムとパラメータチューニングを回避することで,測定プロセスを簡素化します.