显示专题 | 头发丝量级的全息显示探针：深度学习助力光纤实时复杂光场调控 (NPG Sci. Reports)

头发丝量级的全息显示探针: 深度学习助力光纤实时复杂光场调控

Real-time complex light field generation through a multi-core fiber with deep learning

本期导读

相控阵通过计算机调制每个阵列单元的相位信息，实现对输出波束的精确控制，在光学、雷达、量子通信、天文观测等领域有着广泛的应用。光学领域常使用空间光调制器(SLM)显示计算全息图(CGH)来实现高分辨率的光束调控。例如，空间光调制器与显微镜结合可使全息光镊、精准光遗传激发、组织深层显微成像成为可能。然而，要将精确调控的光束“压缩”到微纳尺度需要复杂且庞大的光学系统。如能有一种微型探针能够在微米级大小的空间内实现复杂的光场调控，将有助于拓展光场调控的应用场景。

德国德累斯顿工业大学联合清华大学的研究团队合作提出一种新型相位编码深度神经网络（CoreNet），用来生成定制计算全息图，以在只有0.35毫米粗的光纤束末端实现实时复杂光场调控，为在生物医学中需要实时高保真光传输的应用铺平了道路。该研究工作近期发表于Nature Publishing Group旗下期刊《Scientifc Reports》。

图1. 实时控制多芯光纤输出端远场光场

技术路线

• 技术实现

多芯光纤（Multi-core fiber）是一种约三根头发丝粗的光线束，由一万根单模光纤芯组成。最新的研究常将其作为超细体内成像探针，直径仅为0.35毫米，能够极大地减少对组织的创伤。
    然而，一万根单模光纤芯的相位差各不相同，在光纤的输出端可能产生严重的相位失真，因此需要预先对光纤的相位失真进行校准。另外，因为光纤芯的数量远远小于空间光调制器的像素数，且光纤芯的随机离散分布导致计算全息图在耦合到光纤端面时有很强的空间采样，使得即使经过相位校准的光纤也无法准确地输出目标光场。所以，想要使多芯光纤成为一个微型相控阵探针，每一个光纤芯的调制相位都需要“量身定制”。

图2 相位编码深度神经网络（CoreNet）架构

为解决这个问题，该研究提出了一种新型的相位编码器深度神经网络（CoreNet），它可以实时为多芯光纤“量身定做”全息图。如图2所示，实验中测量得到的光纤芯分布图被嵌入到神经网络的架构中以生成定制的计算全息图。与监督学习不同的是，监督学习需要将经典相位检索算法计算出的全息图标记为真实值，而CoreNet使用自动编码器网络架构，在无监督训练下将目标强度编码到定制的相位调制全息图中。
    该研究还在网络架构中引入了衍射物理模型，用于模拟相位调制平面和目标强度平面之间的光场传播。这使得网络能够自动搜索目标图像的最佳相位调制图，并学习从目标图像到相位调制全息图之间的物理关系。CoreNet的这种端到端结构摆脱了传统相位检索算法的迭代结构，将计算速度提升了82倍，从而实现实时生成定制全息图，实现了多芯光纤输出端远场的实时精确全息显示（见图3）.

图3 在距离光纤输出端700微米处实时全息显示定制动画，所需的全息图由CoreNet实时生成并同步到空间光调制器（SLM）中

• 应用与展望

图4 利用光纤无透镜显微内窥镜对小鼠脑内神经元进行精准全系光激活示意图

光遗传学是CoreNet的一个重要潜在应用领域，通过实时控制光纤输出光场的形状以实现对目标神经元进行选择性激发，从而实现对神经元网络的精确控制。且由于多芯光纤极小的直径，能将对脑部的创伤降到最低。进一步将多芯光纤显微成像与光场控制相结合，有望成为神经手术的重要工具。
除了生物医学方面的应用，多芯光纤也是下一代光纤通信电缆的候选之一。通过物理上提升信道的维度，多芯光纤可以大大拓宽光纤通信的带宽。CoreNet实现了通过多芯光纤实时产生定制光场，为基于多芯光纤的高维光纤通信铺平了道路。此外，CoreNet可以在光学工程之外有更广泛的应用，适用于很多类型的离散或随机分布的相控阵的相位检索，如相控阵雷达、相控阵天线、超声波相控阵等。

论文信息：

• Sun, J., Wu, J., Koukourakis, N. Cao, L., Kuschmierz, R. and Czarske J. Real-time complex light field generation through a multi-core fiber with deep learning. Sci Rep 12, 7732 (2022).

• 来自德国德累斯顿工业大学的助理研究员孙佳伟和清华大学的吴佳琛博士为论文的共同第一作者，德累斯顿工业大学Juergen Czarske教授为论文的通讯作者，该工作得到清华大学曹良才教授的指导。

技术详见：

https://doi.org/10.1038/s41598-022-11803-7 

*该技术分享所涉及文字及图片源于发表论文和网络公开素材,不做任何商业用途。

回顾与预告

上期回顾：成像专题 | 量化感知的深度光学快照光谱成像 (IEEE CVPR)欢迎点击查阅

下期预告：我们将不定期推荐学术领域具有代表性的计算显示和计算成像研究工作，同时穿插一些新型光学设计和VR/AR光机实现科普等的资讯分享，欢迎订阅关注，欢迎来稿交流。
“计算成像”名校博士博后机会：名门传承，机会难得，点击查阅

INTELLIGENTOPTICSSHARING (I.O.S.) 运营以该领域的研究学者为主，非盈利非广告，希望能够结交共同兴趣方向的读者们，建立光学和计算机交叉学科领域内一个资讯分享交流的平台。如果喜欢，请点击“在看”和“点赞”，将有助于微信公众号平台对信息的定向统计和及时推送，小编团队在此不胜感激，谢谢！！


END