前沿研究丨光學數字化全息技術——全光學機器學習展望

2020-11-20 11:40:21 1657 views
摘要

談起全息技術,馬上想到的畫面很可能是科幻電影里的場景,著金屬質感服飾的人,手臂一揮,空中便出現了立體數字影像,推動情節發展的最關鍵信息或數據一一展現。

本文選自中國工程院院刊《Engineering》2019年第3期

作者:Min Gu, Xinyuan Fang, Haoran Ren, Elena Goi

來源:Optically Digitalized Holography: A Perspective for All-Optical Machine Learning[J].Engineering,2019,5(3):363-365.

編者按

談起全息技術,馬上想到的畫面很可能是科幻電影里的場景,著金屬質感服飾的人,手臂一揮,空中便出現了立體數字影像,推動情節發展的最關鍵信息或數據一一展現。

中國工程院院刊《Engineering》刊發《光學數字化全息——全光學機器學習展望》一文指出,未來,光學數字化全息技術與人工智慧技術的結合將為基礎科學和全息實際應用帶來重大突破。光學數字化全息技術,即利用光學手段得到高解析度、大尺寸、成本更低的全息圖,利用3D激光直寫技術加工各種光敏材料,可以實現計算全息圖的光學數字化。文章指出,光學全息術將為人工智慧技術注入新的活力,光學數字化全息技術能夠加工高解析度全息器件,使人工神經網路的構建成為可能。文章指出,為實現機器學習功能,首先需要利用先進的深度學習演算法來設計多層全息圖,然後利用3D列印技術加工出相應的結構。

前沿研究丨光學數字化全息技術——全光學機器學習展望

1948年,Dennis Gabor提出了全息的概念,利用該項技術能夠重建出三維(3D)物體振幅、相位信息。自此,全息術的概念被廣泛地應用在各個領域,如顯微術、干涉度量、超聲檢測及全息顯示等。

光學全息通常分為兩個步驟:記錄與重建——首先利用參考光波與物光干涉得到傳統的全息圖,將其記錄在光敏薄膜上;而後,當參考光波照射到全息圖上時,原始物體的波前即能在3D像空間中重建。

1966年,Brown與Lohmann創造性地提出了數字全息理論,其中核心概念「計算全息圖」(CGH)標誌著光學全息領域裡程碑式的突破。不同於之前複雜的兩步式光學全息,CGH藉助於各類演算法,可以更加方便地得到數字全息圖的振幅及相位分布。近年來,基於CGH的數字全息過程已經在各類主動、被動光子學器件中成功實現。

伴隨著計算機定址空間光調製器(SLM)的發明,動態數字全息技術成為可能,利用該器件,多張全息圖之間實現切換僅僅需要幾毫秒。目前,基於SLM的數字全息術已經被應用於3D顯示、全息加密、數字全息顯微術、光學數據存儲、光學捕獲等眾多領域。然而,數字全息術中依然存在許多挑戰,包括視場角小,解析度低,調製光束波長帶寬窄,全息圖厚及出射光衍射級次多等。

為了應對這些挑戰,可以用高解析度、超薄的超表面器件實現CGH的數字化。然而其所需的電子束刻蝕或者聚焦離子束刻蝕的加工手段複雜且成本高,這限制了超表面器件在實際生產生活中的應用普及。在這些大背景下,光學數字化全息技術(ODH)被提出並證實,即利用光學手段得到高解析度、大尺寸、成本更低的全息圖。這一全新的方法建立在矢量Debye衍射理論及逆傅里葉變換方法之上。

在實驗中,研究者利用3D激光直寫技術加工各種光敏材料,從而實現CGH的光學數字化。在此過程中,一束緊聚焦的飛秒激光在光敏材料中掃描,列印出3D分布的納米結構,其中納米結構的不同尺寸對應了CGH中不同階的振幅(或者相位)調製。值得注意的是,近年來超分辨激光直寫技術的快速發展為加工超小像素的高質量數字化CGH提供了可能。除此之外,共振掃描鏡及衍射受限二維(2D)、3D多焦點陣列技術幫助快速平行激光直寫技術加工效率提高了若干數量級。基於此,利用大尺寸、超分辨的ODH全息圖可以實現超大視場、大空間帶寬積的懸浮全息顯示。此前,我們成功地在石墨烯和光刻膠材料加工出了解析度為550 nm的ODH全息圖,並實現了視場角高達52°的3D顯示。此外我們還利用多重反射式相位積累的原理,在拓撲絕緣體薄膜中加工出了厚度僅為20 nm的超薄ODH全息圖。

近年來,人工智慧技術吸引了社會各界持續關注,並被廣泛應用於醫學圖像分析、分子與物質科學、語言識別等領域。可以預見,光學全息術將為人工智慧技術注入新的活力。實際上,結合這兩個領域的開拓性工作可以追溯至20世紀90年代,其中,光波的振幅或光強存儲了神經元的信息,基於布拉格衍射定律的角度選擇性,神經元間的複雜映射關係可以存儲於包含了大量全息光柵結構的3D全息圖中。然而,在當時並未有合適的器件來扮演複雜的神經元網路,限制了基於這個思路的拓展性工作。近些年興起的ODH能夠加工高解析度全息器件,構建人工神經網路由此成為可能。日前,研究者已經成功利用衍射深度神經網路的全光學機器學習實現太赫茲(THz)波段的圖像分類功能。為了實現學習功能,首先需要利用先進的深度學習演算法來設計多層全息圖,然後利用3D列印技術加工出相應的結構。

將3D列印技術拓展至3D高分辨激光列印可以將全光學機器學習晶元的工作波段從THz拓展至可見光波段(圖1)。未來,ODH與人工智慧技術的結合將為基礎科學和全息實際應用帶來重大突破。我們設想,當全光器件的工作波段由THz向可見光拓展時,許多新的應用方向將應運而生,如智能成像設備、光保真技術(Li-Fi)以及安全訪問系統。然而,對於目前的計算水平而言,基於人工智慧的高分辨全息顯示技術在計算量上遠遠超出極限能力,因此,發展新的機器學習演算法迫在眉睫。同時我們注意到光學機器學習還能在納米光子學電路晶元上實現。若能將上述技術進行結合,可以為神經元技術工程在類腦研究上搭建新的平台,探索出新的精神疾病治療手段。目前,全世界每年在這類疾病治療上花費將近一萬億元,其中中國佔了九百億。

前沿研究丨光學數字化全息技術——全光學機器學習展望

圖1 基於全光學機器學習的多層ODH晶元。(a)由4層不同全息圖構成的整體設計,協同工作實現圖像分類功能。圖中所示結構能夠實現動物圖像分類功能,例如將蝴蝶圖案識別至對應插圖位置。(b)晶元的每一層是由一幅光學數字化全息圖構成。(c)高分辨3D激光直寫圖示說明,基於此項技術晶元工作波段可以覆蓋THz至可見光波長範圍,其中不同波段的具體應用如圖(d)所示

註:本文內容呈現略有調整,若需可查看原文。

改編原文:

Min Gu, Xinyuan Fang, Haoran Ren, Elena Goi.Optically Digitalized Holography: A Perspective for All-Optical Machine Learning[J].Engineering,2019,5(3):363-365.

前沿研究丨光學數字化全息技術——全光學機器學習展望

前沿熱點:3D列印技術在多個領域取得進展

精密工程:重要性超乎你的想像

3D列印:從醫學模具到組織器官

中國工程院院刊

工程造福人類

科技開創未來

微信公眾號ID :CAE-Engineering

註:論文反映的是研究成果進展,不代表《中國工程科學》雜誌社的觀點。

avatar