Tiefe diffraktive neuronale Netze (D2NNs), auch diffraktive Netze genannt, bestehen aus räumlich präzise gestalteten dünnen Oberflächen und bilden eine neuartige optische Rechenarchitektur. Sie sind in der Lage, Rechenaufgaben passiv mit Lichtgeschwindigkeit durch ein ultradünnes Volumen zu führen. Diese aufgabenspezifischen optischen Computer werden digital entworfen, indem die räumlichen Eigenschaften ihrer diffraktiven Oberflächen erlernt werden. Im Anschluss an diesen einzigartigen Entwurfsprozess werden die optimierten Oberflächen gefertigt und zur physischen Hardware des diffraktiven optischen Netzes zusammengefügt.
In ihrer kürzlich in Advanced Photonics Nexus veröffentlichten Studie präsentierte ein Forscherteam unter der Leitung von Aydogan Ozcan, Professor und Inhaber des Volgenau-Lehrstuhls für Ingenieurinnovation an der UCLA, eine Methode zur Durchführung komplexwertiger linearer Operationen an Beugungsgittern unter räumlich inkohärenter Beleuchtung. Dieselbe Gruppe hatte zuvor gezeigt, dass Beugungsgitter mit ausreichend vielen Freiheitsgraden beliebige komplexwertige lineare Transformationen mit räumlich kohärentem Licht mit vernachlässigbarem Fehler durchführen können. Im Gegensatz dazu können diese Gitter mit räumlich inkohärentem Licht beliebige lineare Transformationen der optischen Eingangsintensitäten durchführen, sofern die die Transformation definierenden Array-Elemente reell und nichtnegativ sind. Da räumlich inkohärente Lichtquellen immer häufiger und leichter verfügbar werden, wächst der Bedarf an räumlich inkohärenten Beugungsprozessoren, die Daten jenseits nichtnegativer Werte verarbeiten können.
Durch die Integration von Vor- und Nachbearbeitungsschritten zur Darstellung komplexer Zahlen mithilfe nichtnegativer reeller Zahlen haben Forscher der UCLA die Verarbeitungsmöglichkeiten räumlich inkohärenter diffraktiver Gitter auf den Bereich komplexer Zahlen erweitert. Sie zeigten, dass diese inkohärenten diffraktiven Prozessoren so ausgelegt werden können, dass sie eine beliebig komplexwertige lineare Transformation mit vernachlässigbarem Fehler durchführen, sofern das Design über eine ausreichende Anzahl von phasenoptimierbaren diffraktiven Merkmalen verfügt, deren Anzahl mit den Dimensionen der komplexen Vektorräume von Eingang und Ausgang skaliert.
Die Forscher demonstrierten die Anwendung dieses neuartigen Verfahrens durch die Ver- und Entschlüsselung komplexer Bilder mithilfe räumlich inkohärenter diffraktiver Gitter. Neben der Verschlüsselung visueller Bilder könnten diese räumlich inkohärenten diffraktiven Prozessoren auch in anderen Anwendungen nützlich sein, beispielsweise in autonomen Fahrzeugen zur ultraschnellen und energieeffizienten Verarbeitung natürlicher Szenen.
Implementierung linearer komplexwertiger Transformationen mittels räumlich inkohärenter diffraktiver Gitter: (a) Arbeitsablauf des Modells des räumlich inkohärenten diffraktiven Gitters: Ein komplexwertiges Element des Eingangsvektors wird durch eine Menge reeller, nichtnegativer Intensitätswerte dargestellt (Mosaik). Das resultierende Eingangsintensitätsmuster wird dem inkohärenten diffraktiven Gitter zugeführt. Am Ausgang wird aus einer vordefinierten Menge von Intensitätspixeln ein komplexwertiges Vektorelement synthetisiert (Demosaicing). (b) Anwendung der Bildverschlüsselung: Die Buchstaben „U“ und „C“ werden in Amplitude und Phase eines komplexen Bildes kodiert, das digital kodiert und anschließend mithilfe des räumlich inkohärenten diffraktiven Gitters dekodiert wird. Das entschlüsselte komplexe Bild entspricht weitgehend dem Originalbild.
Bildnachweis: Ozcan Lab @ UCLA.
Siehe den Artikel:
Xilin Yang, Md Sadman Sakib Rahman, Bijie Bai, Jingxi Li und Aydogan Ozcan, „Komplexwertige universelle lineare Transformationen und Bildverschlüsselung mittels räumlich inkohärenter diffraktiver Netzwerke“, Advanced Photonics Nexus (2023) https://doi.org/10.1117/1.APN.3.1.016010.
