基于物理驱动的深度神经网络的超表面复杂幅度全息图的端到端设计
Wei Wei1,2, Ping Tang1,2, Jingzhu Shao1,2
1Center for Biophotonics, Institute of Medical Robotics, Shanghai Jiao Tong University, Shanghai, China.
Nanophotonics (Berlin, Germany)
|December 5, 2024
概括
研究人员开发了一种新的深度神经网络,用于设计使用元表面的复杂幅度全息图. 这种人工智能方法可以实现高质量的全息显示,使用有限的人工块改进信号噪声比.
科学领域:
- 光学和光子学 在光学和光子学.
- 材料科学 材料科学 材料科学
- 人工智能的人工智能
背景情况:
- 复杂幅度全息图比仅仅幅度或相位全息图提供更高的性能.
- 超表面可以实现低波长光调制,这对于先进的全息应用至关重要.
- 目前的超表面全息图设计面临的局限性是单个反向衍射和完全可控制的人工块.
研究的目的:
- 提出一个无监督的,以物理驱动的深度神经网络,用于设计基于超表面的复杂幅度全息图.
- 为全息图设计使用具有不完整光调节的人工块.
- 为了实现高效,实时和强大的全息显示设计.
主要方法:
- 开发了一个无监督的深度神经网络,与前置物理传播模块集成.
- 该网络直接将人工块的几何参数映射为全息图像,用于端到端的设计.
- 使用数值模拟来验证在受限制的入射光条件下重建性能和稳定性.
主要成果:
- 使用有限的人工块实现了全息图像的完美重建.
- 该方法证明了不完整的人工块的高效利用,关联和合作.
- 通过测试证实了强度,使用更受限制的对事件光的控制.
结论:
- 成功开发了一种高效,实时和强大的方法来设计基于地表的复杂幅度全息图.
- 该方法通过使用不完整的人工块来克服现有方法的局限性.
- 这项工作为大规模全息显示器,具有亚波长分辨率铺平了道路.
