【前沿速递Vol.26】——集成衍射深度神经网络直接恢复基于Zernike的光瞳函数
题目：Direct retrieval of Zernike-based pupil functions using integrated diffractive deep neural neTWorks
期刊名称：Nature communications
影响因子：15.7
接收时间：2022.11.29
光学系统的光瞳相位（像差）恢复是自适应光学、显微成像、天文观测的核心难题。传统方法依赖迭代算法（如Gerchberg‑Saxton）或复杂的电子神经网络，计算量大、需多帧图像或专用波前传感器。今年来纯光子器件凭借器低损耗，高通量的优势在光计算领域中得到了广泛研究，常见的光器件有：级联衍射层、片上光子芯片等。那么能否用纯光学元件直接、单次地推断出相位？
Elena等提出了基于集成衍射深度神经网络（ID₂N₂）的直接光瞳相位恢复方法，能够从单次点扩散函数（PSF）的复光场中直接提取基于 Zernike 多项式的波前像差，即该方案并非接收的是光瞳面的光场，而是远场光斑或理解为焦面光场。如图1所示，ID₂N₂ 由多层衍射光学元件与 CMOS 成像传感器单片集成：多层衍射神经元通过瑞利-索末菲衍射相互连接，对入射复光场进行被动光学推理；在输出端，CMOS 传感器的光电转换提供了非线性激活，将光瞳相位（包括幅值和符号）映射为可直接读出的强度分布。
数值仿真结果表明，对于前14项Zernike多项式（Z₁–Z₁₄）的单一项，ID₂N₂的平均均方根误差仅为0.036π弧度，其中离焦（Z₄）和像散（Z₅、Z₆）的恢复精度最高（误差<0.03π），而高阶项（Z₁₁、Z₁₃）误差略高但仍低于0.05π（如图2所示）
图2 级联衍射层对Zernike瞳孔相位测试结果。
更重要的是，ID₂N₂能明确区分正负离焦符号——传统仅依赖强度的方案无法做到这一点，作者采用离焦这种像差，证明了所设计的级联衍射层具备符号提取的功能，如图3所示。 实验上，采用双光子纳米光刻制备的四层衍射网络，在785 nm波长下成功重构多种单Zernike像差，平均均方根误差约0.191π弧度，如图4所示。经过分析，误差主要源于层间对准偏差、制造收缩及残余光束不均匀性。作为概念验证，该衍射网络可直接3D打印于商用CMOS传感器上，形成单芯片ID₂N₂模块，无需额外光学元件即可实现光瞳相位的直接读取，为自适应光学、定量相位成像等应用提供了超紧凑、低功耗、免数字后处理的波前传感新方案。
论文链接：https://www.nature.com/articles/s41467-022-35349-4
