新技术! 首次通过集成化衍射神经网络直接提取光瞳相位

该团队创新性地开发了一种新的单步方法，通过分析光束路径的点扩散函数（PSF）来提取光路的复杂瞳孔相位，点扩散函数为聚焦光学成像系统对点源的响应。集成衍射深度神经网络（ID₂N₂）由衍射神经网络（DN₂）和一个具备非线性响应激活函数的CMOS探测器模块协同完成。DN₂由多个衍射层组成，其中给定层上的每个点作为一个衍射神经元，相应的复值透射系数可以通过使用输入和输出平面之间的神经网络来迭代训练。

随后，将获得的复值PSF作为输入，DN₂在近红外（NIR）波长区域进行光学操作，重建强度分布，在输出端可得到相应瞳孔相位的符号和大小。然后，所产生的强度分布被传感器探测到，从而增加了实现具有相位提取能力的ID₂N₂模块所需的非线性响应性。

通过与标准互补金属氧化物半导体(CMOS)成像传感器的共同集成，这种ID₂N₂有希望成为新一代的紧凑型光电波前传感器（图1a）。与以前的工作相比，这种新方法是第一次通过实验证明了集成在单个紧凑型光电传感元件中的光学DN₂，可直接提取任意瞳孔相位。

间接相位提取，即在基于模态的方法中，将焦平面图像或检测到的波前映射到Zernike系数，是目前确定波前相位的最常用方法。而使用人工神经网络的直接相位提取，即直接提取波前误差，可以达到相对较高的精度。这种更高的精度需要复杂的计算步骤，占用大量内存，并且需要使用专门的CCD相机系统来重建轴向对称像差的符号。

该团队所提出的DN₂，则是通过全光推理直接在光学中处理复值PSF（图1b）。在一个紧凑的光电设备中直接重建传入的瞳孔相位，包括轴向对称项的大小和符号（图1c）。通过获取在光电子转换过程中所忽略的丰富多样的光学信息，如信号相位、频谱或光学轨道角动量，本工作中提出的光电子混合解决方案为基于ON₂的新一代高度集成系统提供了可行性路线，并且它可以比传统的数字神经网络更快、更有效和更稳健地执行光学域中信息的推理任务。

该团队使用基于计算机的机器学习方法来训练具有纳米级特征大小的多层DN₂，它能够识别失真PSF并直接进行相位检索。使用双光子光刻技术（TPN）（图2a），一种最先进的激光三维纳米打印技术，研究人员制造了ID₂N₂模块，用于在近红外区域工作，其神经元密度超过每平方厘米5亿个，高度分辨率低至10 nm（图2b和图2c）。

这些纳米打印的DN₂，其纳米级的特征尺寸不仅提升了神经元密度，并使DN₂能够在可见光和近红外波长系统中处理信息，而且通过宽衍射角和短执行距离它还能够实现设备的高度紧凑化

光电融合的解决方案为构成新的高度集成的基于ON₂的系统奠定了基础，它比传统的数字神经网络更快、更有效、更稳健地执行对光学域原生信息的推理任务。ID₂N₂将复杂的输入光束映射成表示输入光束瞳孔相位的二维强度图的能力对自适应光学的像差校正、数据处理和传感的像差校有着变革性的影响，并对开发计算复杂度和内存占用率低的定量相位成像方法至关重要，如：可应用于生物细胞和组织成像问题等。

论文通讯作者为顾敏院士、Elena Goi博士，上海理工大学为第一单位。顾敏院士指出，该突破有望在精准医疗中得到应用。