การออกแบบและวิจัยเชิงทดลองของโฮโลแกรมแบบมัลติเพล็กซ์โมเมนตัมเชิงวงโคจรเชิงมุมโดยใช้เครือข่ายประสาทเทียมแบบการเลี้ยวเบนแสง

ข้อมูลวิทยานิพนธ์：

ด้วยการพัฒนาของเครือข่ายประสาท การวิจัยเครือข่ายประสาทเทียมแบบออปติก (ONN) ได้รับความสนใจอย่างกว้างขวาง โดยเริ่มจากทฤษฎีพื้นฐานของออปติกการเลี้ยวเบน แสงกระจัดกระจาย การรบกวนทางแสง และการแปลงฟูเรียร์ออปติก นักวิจัยประสบความสำเร็จในการดำเนินการเชิงเส้นแสงของเครือข่ายประสาทเทียมโดยใช้เครื่องมือและวัสดุออปติกที่หลากหลาย และยังเพิ่มประสิทธิภาพความสามารถในการทำนายและอนุมานของ ONN อีกด้วยโดยการนำคริสตัลออปติก อุปกรณ์โฟโตวอลตาอิค และตัวปรับแสงเชิงพื้นที่มาใช้ เพื่อให้ได้ฟังก์ชันการเปิดใช้งานแบบไม่เชิงเส้นแสง ซึ่งช่วยอำนวยความสะดวกในการพัฒนาเครือข่ายประสาทเทียมแบบออปติกเป็นอย่างมาก โดยอาศัยลักษณะเฉพาะที่ยืดหยุ่นและตั้งโปรแกรมได้ของตัวปรับแสงเชิงพื้นที่ จึงช่วยให้เพิ่มประสิทธิภาพและนำเส้นทางแสงไปใช้ในการทดลองได้มากขึ้น

รูปที่ 1.แผนผังของการตั้งค่าการทดลองสำหรับโฮโลแกรมมัลติเพล็กซ์ OAM ที่ใช้ ODNN แผนที่เฟสแบบเกลียวและโฮโลแกรมมัลติเพล็กซ์ OAM ถูกโหลดลงใน SLM1 และ SLM2 ตามลำดับ หลังจากการกรองและการขยายลำแสง แสงที่สอดคล้องกันจะถูกปรับให้เป็นลำแสงแบบวอร์เท็กซ์โดย SLM1 ซึ่งจะถูกฉายลงบน SLM2 เพื่อถอดรหัสข้อมูลเป้าหมายที่สอดคล้องกันในโฮโลแกรมมัลติเพล็กซ์ OAM ในที่สุด ภาพเป้าหมายจะถูกสร้างขึ้นใหม่ที่กล้อง

รูปที่ 2.แผนผังกระบวนการทางกายภาพของโฮโลแกรมมัลติเพล็กซ์ OAM ที่ใช้ ODNN โฮโลแกรมมัลติเพล็กซ์ OAM ที่ได้รับการปรับให้เหมาะสมจะใช้เพื่อสร้างภาพเป้าหมายที่สอดคล้องกันภายใต้การฉายแสงแบบวอร์เท็กซ์ที่แตกต่างกัน

รูปที่ 3.โครงสร้างเครือข่ายประสาทเทียมสำหรับโฮโลแกรมมัลติเพล็กซ์ OAM ที่ใช้ ODNN กระบวนการทางกายภาพของโฮโลแกรมมัลติเพล็กซ์ OAM ถูกนำมาใช้เป็นกระบวนการแพร่กระจายไปข้างหน้าของ ODNN ในระหว่างขั้นตอนการฝึก เฟสเกลียวและภาพเป้าหมายที่สุ่มตัวอย่างจะถูกใช้เป็นอินพุตและป้ายชื่อฟังก์ชันการประเมินสำหรับเครือข่ายประสาทเทียมตามลำดับ โดยอิงจากผลลัพธ์เอาต์พุตของเครือข่าย อัลกอริทึมการแพร่กระจายย้อนกลับของข้อผิดพลาดจะถูกใช้เพื่อปรับโครงสร้างเครือข่ายประสาทเทียมและค่าการปรับเฟสของเซลล์ประสาทซ้ำๆ ในที่สุด โฮโลแกรมมัลติเพล็กซ์ OAM ที่สามารถสร้างภาพเป้าหมายที่สอดคล้องกันภายใต้อินพุตที่แตกต่างกันจะได้รับที่เลเยอร์ที่ซ่อนอยู่

รูปที่ 4.ผังงานการออกแบบโดยรวมของโฮโลแกรมมัลติเพล็กซ์ OAM ที่ใช้ ODNN โดยที่กระบวนการทางกายภาพในรูปที่ 1 จะถูกนำไปใช้เป็นกระบวนการแพร่กระจายไปข้างหน้าของเครือข่ายประสาท ในการวนซ้ำหนึ่งครั้ง จะมีการป้อนแผนที่เฟสแบบเกลียวและภาพเป้าหมายลงใน ODNN และโฮโลแกรมมัลติเพล็กซ์ OAM จะถูกอัปเดตผ่านการแพร่กระจายไปข้างหน้า การคำนวณฟังก์ชันการประเมิน และการลดระดับความชัน ยุคการฝึกประกอบด้วยการวนซ้ำหลายครั้ง และแผนที่เฟสแบบเกลียวและภาพเป้าหมายในชุดข้อมูลการฝึกแต่ละชุดจะถูกป้อนลงใน ODNN เพื่อเพิ่มประสิทธิภาพโฮโลแกรมมัลติเพล็กซ์ OAM ซ้ำๆ กระบวนการฝึกทั้งหมดประกอบด้วยหลายยุค และการบรรจบกันของอัลกอริทึมจะถูกกำหนดโดยการตรวจสอบค่าฟังก์ชันการประเมินโดยเฉลี่ยของแต่ละยุค นั่นคือ คุณภาพของภาพจะไม่ดีขึ้นอีกต่อไปหรือไม่

รูปที่ 5.ผลการจำลองโฮโลแกรมแบบมัลติเพล็กซ์ OAM โดยอาศัย ODNN (a) ภาพความเข้มแสงปกติของเป้าหมาย 36 เป้าหมายที่สร้างขึ้นใหม่ด้วยโฮโลแกรมภายใต้ลำแสงวอร์เท็กซ์ 36 ลำที่แตกต่างกัน โดยตัวเลขที่มุมขวาล่างแสดงประจุโทโพโลยี l ที่สอดคล้องกันของลำแสงวอร์เท็กซ์อินพุต (b) ภาพความเข้มแสงปกติของตัวเลข "0" ในการสร้างภาพโฮโลแกรม โดยมีแผนที่เฟสสไปรัลอินพุตที่สอดคล้องกันที่มุมขวาล่าง และส่วนที่แทรกที่ด้านล่างแสดงภาพขยายของพื้นที่ 29 × 29 พิกเซลรอบจุดแสงเดียวในภาพที่สร้างขึ้นใหม่ พร้อมด้วยโปรไฟล์ความเข้มของแสง

รูปที่ 6.การเปรียบเทียบคุณภาพการสร้างภาพระหว่างวิธี ODNN กับวิธีคลาสสิก (ad) แสดงผลการเปรียบเทียบของ MSE, σim 2, η และ SNR ตัวบ่งชี้แต่ละตัวได้รับการจำลองและคำนวณสำหรับปริมาณเป้าหมาย 2-36 ปริมาณ เส้นสีแดงและสีน้ำเงินแสดงถึงค่าตัวบ่งชี้ของวิธีคลาสสิกและวิธี ODNN ตามลำดับ แผนภูมิแท่งสีเหลืองแสดงถึงเปอร์เซ็นต์การปรับปรุงประสิทธิภาพของวิธี ODNN เมื่อเปรียบเทียบกับวิธีคลาสสิก เส้นประสีเหลืองแสดงถึงเปอร์เซ็นต์การปรับปรุงประสิทธิภาพโดยเฉลี่ยสำหรับปริมาณเป้าหมายทั้งหมด

รูปที่ 7.ผลการทดลองโฮโลแกรมมัลติเพล็กซ์ OAM ที่ใช้ ODNN แถวแรกแสดงแผนที่เฟสเกลียวของอินพุต l = 3, −3, 8, −8, 13, −13 แถวที่สองแสดงภาพความเข้มแสงที่ปรับมาตรฐานของเป้าหมายที่สร้างขึ้นใหม่จำลองที่สอดคล้องกัน และแถวที่สามแสดงภาพความเข้มแสงที่ปรับมาตรฐานของเป้าหมายที่สร้างขึ้นใหม่ที่ได้จากการทดลอง ค่าที่มุมซ้ายบนและขวาล่างของผลการจำลองและการทดลองแสดงถึง η (%) และ SNR (เป็นตัวเลข) ตามลำดับ

พารามิเตอร์ของตัวปรับแสงเชิงพื้นที่ที่ใช้ในการทดลองนี้มีดังนี้:

นอกจากนี้ เรายังเปิดตัวเวอร์ชันการสะท้อนแสงสูงของเครื่องปรับแสงเชิงพื้นที่รุ่น FSLM-2K70-P02HR ซึ่งมีค่าการสะท้อนแสงมากกว่า 95% อีกด้วย

ผลิตภัณฑ์ใหม่ 2K×2K มีค่าการสะท้อนแสงสูงและการใช้งานทางแสงสูง

เมื่อไม่นานนี้ บริษัทของเราได้เปิดตัวซีรีส์ FSLM-2K73-P02HR ซึ่งเป็นชุดโมดูเลเตอร์แสงเชิงพื้นที่ชนิดเฟสสะท้อนแสงที่มีการสะท้อนแสงสูงและอัตราการใช้ประโยชน์ทางแสงสูงอีกครั้ง โดยมีการออกแบบพื้นผิวเป้าหมายขนาดใหญ่เป็นรูปสี่เหลี่ยมจัตุรัส ความเป็นเส้นตรงของเฟสสูง และความลึกของบิตสูง ซึ่งช่วยเพิ่มการใช้ประโยชน์ทางแสงและปรับปรุงความแม่นยำของการโมดูเลชั่นไปพร้อมๆ กัน และยังคงส่งเสริมการพัฒนาการวิจัยทางวิทยาศาสตร์และมุ่งมั่นสู่ความเป็นเลิศต่อไป

เขียนไว้ในตอนท้าย:

เครือข่ายประสาทเทียมออปติกใช้ระบบออปติกในการเรียนรู้ของเครื่องจักรและตัวปรับแสงเชิงพื้นที่ซึ่งเป็นอุปกรณ์ปรับสนามออปติกที่สำคัญมีข้อได้เปรียบโดยธรรมชาติเมื่อนำไปใช้กับเครือข่ายประสาทเทียมออปติก เนื่องจากมีศักยภาพที่ยอดเยี่ยมในการคำนวณขนาดใหญ่แบบขนาน การทำงานที่ใช้พลังงานต่ำเป็นพิเศษ และการตอบสนองความเร็วสูง เครือข่ายประสาทเทียมออปติกเป็นเทคโนโลยีข้ามสายที่ล้ำสมัยระหว่างสาขาออปติกและสาขาปัญญาประดิษฐ์ ทำลายข้อจำกัดทางเทคโนโลยีของเครือข่ายประสาทเทียมแบบเดิม และคาดว่าจะนำไปใช้และพัฒนาในสาขาชีวการแพทย์ การสื่อสารข้อมูลออปติก และการมองเห็นของเครื่องจักร

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