紧聚焦全息网络实现三维实时精确光场调制

图1主要展示了基于卷积神经网络的三维紧密聚焦光场调制原理，包括基本的光学系统、矢量衍射模型以及全息网络的生成和训练过程:

• 图1a：展示了用于聚焦光场调制的基本光学系统，该系统采用4f配置，将SLM平面上的激光束有效地传递和缩放到物镜的后焦平面，从而实现三维紧密聚焦全息图，即根据目标强度分布找到物镜后焦平面上的最优相位图案。

• 图1b：给出了矢量衍射模型的示意图，该模型用于准确计算物镜焦点区域的电场分布，充分考虑了高数值孔径物镜的紧密聚焦特性和球差效应。

• 图1c：描绘了所提出的紧密聚焦全息网络（3DCFH-Net）的生成和训练过程及其详细框架。该网络由两个级联的U-Net模块组成，核心架构通过堆叠两个U-Net模块形成。每个U-Net模块包含多个上卷积、下卷积块和跳连接。网络的设计增强了对重建聚焦光场的全局约束，提高了参数学习的效率和质量，使得矢量聚焦光场的调制变得简单高效。

图2提供了多种3D TFH方法的数值模拟结果，展示了3DCFH-Net在紧密聚焦光场调制方面的强大能力和在精度与速度上的优势：

• 图2a和图2c：展示了在二元和可变目标强度分布下，3DCFH-Net与其他3D TFH方法在重建光场与目标光场强度差异方面的表现。3DCFH-Net在强度差异波动方面表现最小，具有良好的均匀性。

• 图2b和图2d：展示了截取的局部3D焦点的强度分布趋势。这些曲线进一步说明了3DCFH-Net在保持强度分布一致性方面的优势。

• 图2e：对不同TFH方法的均匀性和速度进行了综合比较。对于一个3×640×640的目标聚焦场，Global GS和SAC-NOVO方法需要数秒以上的时间来执行，并且精度较低。相比之下，3DCFH-Net仅需约9毫秒，速度提高了2到3个数量级。

• 图2f：展示了3DCFH-Net在不同权重因子下的效率与均匀性之间的关系。随着权重因子β的增加，整体效率提高，但均匀性逐渐下降。当β在0.2到0.4之间时，均匀性与效率的波动相对较小。

• 图2g：分析了3DCFH-Net在不同层间距、折射率和层数下的性能。当层间距大于80微米时，精度较高；层间距过小会导致精度下降，此时独立训练可提高精度约15%。

• 图2h：展示了调制焦点数量对3DCFH-Net精度的影响。焦点数量和介质的折射率也是影响调制效果的重要因素。

图3展示了3DCFH-Net在超快激光并行直接写入应用中的可行性和效果：

• 图3a：展示了超快激光直接写入系统的示意图。该系统使用了飞秒激光作为光源，并通过旋转零级半波片来调节其偏振方向，以提高SLM的衍射效率。系统还包括一个变焦光束扩展器和一个虹膜光阑，用于放大和调整入射光束的直径，从而提高SLM的利用率。通过4f系统将SLM输出的光束传递和缩放到物镜的后焦平面，物镜将激光聚焦到样品内部，而三维纳米定位台则用于精确控制激光写入位置。此外，系统中还使用了CMOS相机来实时观察样品和直接写入过程，以及另一个安装在轴向位移台上的CMOS相机来获取不同深度的焦点平面强度分布。

• 图3b：展示了使用3DCFH-Net生成的全息图在掺杂Sm的钠铝硼酸盐玻璃中处理的效果。实验结果显示，多个微纳结构可以同时被诱导产生，且激光聚焦平面距离样品表面约30微米。密集的焦点组合和适当的间距也使得图案化处理成为可能

图4展示了利用3DCFH-Net在激光直接写入系统中对不同深度层排列的焦点场调制效果，以及全息焦点场的动态演化过程：

• 图4a和图4b：分别展示了在激光直接写入系统中，不同深度层排列（阵列和随机排列）下焦点场的调制效果。通过CMOS相机记录了不同轴向距离的焦点平面强度分布。无论目标焦点的排列如何，模拟和实验中的光场焦点在空间位置和强度上都与目标光场高度一致，这证明了3DCFH-Net在准确重建焦点场方面的出色能力。

• 图4c和图4d：展示了基于时间序列的全息焦点场的动态演化过程，分别对应二进制和可变强度分布模式。利用3DCFH-Net的计算效率优势，全息相位的生成和光场的调制可以实时进行。图中红色和绿色框分别表示目标和CZT放大重建后的强度分布。这些动态演化过程进一步验证了3DCFH-Net在处理复杂三维光场时的实时性和精确性。

图5展示了利用3DCFH-Net实现全息荧光显示的效果：

• 图5a：展示了实验室主页的二维码聚焦阵列及其在钙钛矿纳米晶体玻璃上对应的520nm光致发光（PL）图像。通过3DCFH-Net调制的荧光二维码能够被成功识别。为了确保二维码中每个荧光点都能清晰区分和准确识别，目标光场中焦点的最小间距被设定为4个像素。

• 图5b：展示了在405nm激发聚焦场下，通过调整钙钛矿纳米晶体（PNCs）的组成，实现了不同荧光波长（520nm、580nm、600nm和640nm）的多色动态显示。通过改变PNCs的组成，可以获得更宽的荧光光谱，从而实现全彩全息荧光显示。

该研究开发了一种基于物理驱动的无监督三维紧密聚焦全息网络，即3DCFH-Net。该网络基于矢量衍射的传播模型，充分考虑了高数值孔径物镜的紧密聚焦特性和球差效应。网络采用基于层的学习策略，以加强对重建三维光场的全局约束，提高调制精度并加速网络收敛。此外，网络设计了双U-Net结构，增强了强度分布的一致性，并通过引入深度自适应策略，增加了网络的通用性和泛化能力。3DCFH-Net能够快速、高精度地大规模生成全息相位图，适用于任意空间、强度和轴向间距分布的光场调制。单个实例的最短处理时间仅为3.7毫秒，均匀性显著提高至0.93。该网络在超快激光直接写入和全息荧光显示中的成功应用，展示了其在光学和光子工程领域的广泛前景和潜在影响。