การออกแบบและการวิจัยเชิงทดลองของโฮโลแกรมแบบมัลติเพล็กซ์โมเมนตัมเชิงวงโคจรเชิงมุมโดยใช้เครือข่ายประสาทเทียมแบบเลี้ยวเบนแสง

ข้อมูลวิทยานิพนธ์：

ด้วยการพัฒนาของโครงข่ายประสาทเทียม งานวิจัยโครงข่ายประสาทเทียมเชิงแสง (ONN) จึงได้รับความสนใจอย่างกว้างขวาง นักวิจัยประสบความสำเร็จในการดำเนินการเชิงเส้นเชิงแสงของโครงข่ายประสาทเทียมโดยใช้อุปกรณ์และวัสดุเชิงแสงที่หลากหลาย โดยเริ่มจากทฤษฎีพื้นฐานของทัศนศาสตร์การเลี้ยวเบน แสงกระเจิง สัญญาณรบกวนเชิงแสง และการแปลงฟูริเยร์เชิงแสง และยังได้ปรับปรุงความสามารถในการทำนายและอนุมานของ ONN ให้เหมาะสมยิ่งขึ้นด้วยการนำผลึกแสง อุปกรณ์โฟโตโวลตาอิก และตัวปรับแสงเชิงพื้นที่มาใช้ เพื่อให้ได้ฟังก์ชันการกระตุ้นแบบไม่เชิงเส้นเชิงแสง ซึ่งช่วยอำนวยความสะดวกในการพัฒนาโครงข่ายประสาทเทียมเชิงแสงอย่างมาก ด้วยคุณสมบัติที่ยืดหยุ่นและตั้งโปรแกรมได้ของตัวปรับแสงเชิงพื้นที่ จึงช่วยให้การปรับประสิทธิภาพและการนำเส้นทางแสงไปใช้ในการทดลองมีประสิทธิภาพมากขึ้น

รูปที่ 1. แผนผังแสดงการตั้งค่าการทดลองโฮโลแกรมมัลติเพล็กซ์ OAM โดยใช้ ODNN แผนที่เฟสแบบเกลียวและโฮโลแกรมมัลติเพล็กซ์ OAM ถูกโหลดลงใน SLM1 และ SLM2 ตามลำดับ หลังจากการกรองและการขยายลำแสง แสงที่สอดคล้องจะถูกปรับให้เป็นลำแสงวอร์เท็กซ์โดย SLM1 ซึ่งจะถูกฉายลงบน SLM2 เพื่อถอดรหัสข้อมูลเป้าหมายที่สอดคล้องกันในโฮโลแกรมมัลติเพล็กซ์ OAM สุดท้าย ภาพเป้าหมายจะถูกสร้างขึ้นใหม่ที่กล้อง

รูปที่ 2. แผนผังแสดงกระบวนการทางกายภาพของโฮโลแกรมมัลติเพล็กซ์ OAM ที่อิงตาม ODNN โฮโลแกรมมัลติเพล็กซ์ OAM ที่ได้รับการปรับให้เหมาะสมที่สุดนี้ใช้เพื่อสร้างภาพเป้าหมายที่สอดคล้องกันภายใต้การฉายแสงวอร์เท็กซ์ที่แตกต่างกัน

รูปที่ 3. โครงสร้างเครือข่ายประสาทเทียมสำหรับโฮโลแกรมแบบมัลติเพล็กซ์ OAM ที่ใช้ ODNN กระบวนการทางกายภาพของโฮโลแกรมแบบมัลติเพล็กซ์ OAM ถูกนำมาใช้เป็นกระบวนการแพร่กระจายไปข้างหน้าของ ODNN ในระหว่างขั้นตอนการฝึก เฟสเกลียวและภาพเป้าหมายที่สุ่มตัวอย่างจะถูกใช้เป็นอินพุตและป้ายชื่อฟังก์ชันการประเมินสำหรับเครือข่ายประสาทเทียมตามลำดับ จากผลลัพธ์ของเครือข่าย อัลกอริทึมการแพร่กระจายย้อนกลับของข้อผิดพลาดจะถูกใช้เพื่อปรับโครงสร้างเครือข่ายประสาทเทียมและค่าการปรับเฟสของเซลล์ประสาทให้เหมาะสมแบบวนซ้ำ ในที่สุด โฮโลแกรมแบบมัลติเพล็กซ์ OAM ที่สามารถสร้างภาพเป้าหมายที่สอดคล้องกันภายใต้อินพุตที่แตกต่างกันได้ ณ ชั้นซ่อน

รูปที่ 4. ผังงานการออกแบบโดยรวมของโฮโลแกรมมัลติเพล็กซ์ OAM อ้างอิงจาก ODNN โดยกระบวนการทางกายภาพในรูปที่ 1 ถูกนำไปใช้เป็นกระบวนการแพร่กระจายไปข้างหน้าของเครือข่ายประสาทเทียม ในการวนซ้ำหนึ่งครั้ง จะมีการป้อนแผนที่เฟสแบบเกลียวและภาพเป้าหมายลงใน ODNN และโฮโลแกรมมัลติเพล็กซ์ OAM จะถูกอัปเดตผ่านการแพร่กระจายไปข้างหน้า การคำนวณฟังก์ชันการประเมิน และการลดระดับความชัน ยุคการฝึกหนึ่งๆ ประกอบด้วยการวนซ้ำหลายครั้ง และแผนที่เฟสแบบเกลียวและภาพเป้าหมายในชุดข้อมูลการฝึกแต่ละชุดจะถูกป้อนเข้าสู่ ODNN เพื่อเพิ่มประสิทธิภาพโฮโลแกรมมัลติเพล็กซ์ OAM อย่างต่อเนื่อง กระบวนการฝึกที่สมบูรณ์ประกอบด้วยหลายยุค และการบรรจบกันของอัลกอริทึมจะถูกกำหนดโดยการตรวจสอบค่าฟังก์ชันการประเมินเฉลี่ยของแต่ละยุค นั่นคือ ตรวจสอบว่าคุณภาพของภาพไม่ดีขึ้นอีกต่อไปหรือไม่

รูปที่ 5. ผลการจำลองโฮโลแกรมแบบมัลติเพล็กซ์ OAM โดยอาศัย ODNN (a) ภาพความเข้มแสงที่ปรับมาตรฐานแล้วของเป้าหมาย 36 เป้าหมายที่สร้างขึ้นใหม่โดยโฮโลแกรมภายใต้ลำแสงวอร์เท็กซ์ 36 ลำที่แตกต่างกัน โดยตัวเลขที่มุมขวาล่างแสดงถึงประจุโทโพโลยี l ที่สอดคล้องกันของลำแสงวอร์เท็กซ์อินพุต (b) ภาพความเข้มแสงที่ปรับมาตรฐานแล้วของเลข "0" ในการสร้างภาพโฮโลแกรม โดยมีแผนที่เฟสสไปรัลอินพุตที่สอดคล้องกันที่มุมขวาล่าง และส่วนที่แทรกที่ด้านล่างแสดงภาพขยายของพื้นที่พิกเซล 29 × 29 รอบจุดแสงเดียวในภาพที่สร้างขึ้นใหม่ พร้อมด้วยโปรไฟล์ความเข้มของแสง

รูปที่ 6. การเปรียบเทียบคุณภาพภาพระหว่างวิธี ODNN และวิธีคลาสสิก (ad) แสดงผลการเปรียบเทียบของ MSE, σim 2, η และ SNR ตัวบ่งชี้แต่ละตัวถูกจำลองและคำนวณสำหรับปริมาณเป้าหมาย 2-36 ปริมาณ เส้นสีแดงและสีน้ำเงินแสดงค่าตัวบ่งชี้ของวิธีคลาสสิกและวิธี ODNN ตามลำดับ แผนภูมิแท่งสีเหลืองแสดงเปอร์เซ็นต์การปรับปรุงประสิทธิภาพของวิธี ODNN เมื่อเทียบกับวิธีคลาสสิก เส้นประสีเหลืองแสดงเปอร์เซ็นต์การปรับปรุงประสิทธิภาพโดยเฉลี่ยของปริมาณเป้าหมายทั้งหมด

รูปที่ 7. ผลการทดลองโฮโลแกรมแบบมัลติเพล็กซ์ OAM บนพื้นฐาน ODNN แถวแรกแสดงแผนที่เฟสแบบเกลียวของอินพุต l = 3, −3, 8, −8, 13, −13 แถวที่สองแสดงภาพความเข้มแสงที่ปรับมาตรฐานแล้วของเป้าหมายที่สร้างขึ้นใหม่จำลองที่สอดคล้องกัน และแถวที่สามแสดงภาพความเข้มแสงที่ปรับมาตรฐานแล้วของเป้าหมายที่สร้างขึ้นใหม่ที่ได้จากการทดลอง ค่าที่มุมซ้ายบนและขวาล่างของผลการจำลองและผลการทดลองแสดงค่า η (%) และ SNR (เป็นตัวเลข) ตามลำดับ

พารามิเตอร์ของเครื่องปรับแสงเชิงพื้นที่ที่ใช้ในการทดลองนี้มีดังนี้:

นอกจากนี้ เรายังเปิดตัวรุ่นสะท้อนแสงสูงของเครื่องปรับแสงเชิงพื้นที่รุ่น FSLM-2K70-P02HR ซึ่งสะท้อนแสงได้มากกว่า 95%

ผลิตภัณฑ์ใหม่ที่มีการสะท้อนแสงสูง 2K×2K และการใช้งานทางแสงสูง

เมื่อเร็วๆ นี้ บริษัทของเราได้เปิดตัวซีรีส์เครื่องปรับแสงเชิงพื้นที่ชนิดเฟสสะท้อนแสง FSLM-2K73-P02HR ที่มีการสะท้อนแสงสูงและอัตราการใช้ประโยชน์ทางแสงสูงอีกครั้ง ซึ่งมีการออกแบบพื้นผิวเป้าหมายขนาดใหญ่เป็นรูปสี่เหลี่ยม ความเป็นเส้นตรงของเฟสสูง และความลึกของบิตสูง ซึ่งช่วยเพิ่มการใช้ประโยชน์ทางแสงและปรับปรุงความแม่นยำของการปรับแสงในเวลาเดียวกัน และยังคงส่งเสริมการพัฒนาการวิจัยทางวิทยาศาสตร์และมุ่งมั่นสู่ความเป็นเลิศ

เขียนไว้ตอนท้ายว่า:

เครือข่ายประสาทเทียมเชิงแสงใช้ระบบออปติคัลเพื่อดำเนินการเรียนรู้ของเครื่องจักร และตัวปรับแสงเชิงพื้นที่ ซึ่งเป็นอุปกรณ์ปรับสนามแสงที่สำคัญ มีข้อได้เปรียบโดยธรรมชาติเมื่อนำไปประยุกต์ใช้กับเครือข่ายประสาทเทียมเชิงแสง โดยมีศักยภาพสูงสำหรับการคำนวณขนาดใหญ่แบบขนาน การทำงานที่ใช้พลังงานต่ำเป็นพิเศษ และการตอบสนองความเร็วสูง เครือข่ายประสาทเทียมเชิงแสงในฐานะเทคโนโลยีข้ามพรมแดนที่ทันสมัยระหว่างสาขาออปติคัลและสาขาปัญญาประดิษฐ์ ได้ก้าวข้ามข้อจำกัดทางเทคโนโลยีของเครือข่ายประสาทเทียมแบบดั้งเดิม และคาดว่าจะถูกนำไปใช้และพัฒนาในสาขาชีวการแพทย์ การสื่อสารข้อมูลเชิงแสง และวิชันซิสเต็มของเครื่องจักร

ลิงค์บทความ: https://doi.org/10.1364/OE.538350