Computational metaoptics for imaging
作者: Charles Roques-Carmes, Kai Wang, Yuanmu Yang, Arka Majumdar, Zin Lin
分类: physics.optics, cs.CV, physics.comp-ph, quant-ph
发布日期: 2024-11-14
💡 一句话要点
计算超构光学：结合超构表面与计算成像，突破传统成像限制
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 计算超构光学 超构表面 计算成像 端到端设计 波前调控 逆向设计 相位成像 量子态测量
📋 核心要点
- 传统成像系统受限于光学元件的物理特性，难以同时实现多功能和高性能，尤其是在小型化和轻量化方面面临挑战。
- 计算超构光学通过将超构表面作为物理预处理器，并与计算算法协同设计，实现光学硬件和计算软件的联合优化。
- 该方法能够自动发现最佳的超构表面设计和重建方法，显著提高成像能力，并在相位成像和量子态测量等领域展现出潜力。
📝 摘要（中文）
超构表面是由亚波长光学元件构成的超薄结构，通过精确控制电磁波的振幅、相位、偏振和光谱特性，彻底改变了光操纵技术。与此同时，计算成像利用算法从光学处理的信号中重建图像，克服了传统成像系统的局限性。本文探讨了超构光学和计算成像的协同集成，即“计算超构光学”，它结合了超构表面的物理波前整形能力和先进的计算算法，以增强成像性能，超越传统限制。我们讨论了计算超构光学如何解决单层超构表面在实现多功能性时效率受限的固有问题。通过将超构表面视为物理预处理器，并通过端到端（逆向）设计与重建算法进行协同设计，可以联合优化光学硬件和计算软件。这种整体方法可以自动发现最佳的超构表面设计和重建方法，从而显著提高成像能力。重点介绍了计算超构光学支持的先进应用，包括相位成像和量子态测量，这些应用受益于超构表面操纵复杂光场的能力以及计算算法重建高维信息的能力。我们还研究了性能评估挑战，强调需要新的指标来衡量这些系统光和计算相结合的特性。最后，我们确定了计算超构光学的新前沿，这些前沿指向了计算超构光学可能在推进成像科学和技术中发挥核心作用的未来。
🔬 方法详解
问题定义：传统成像系统在小型化、轻量化和多功能性方面存在局限性。单层超构表面虽然可以实现对光场的灵活调控，但在同时实现多种功能时，往往会牺牲效率。此外，如何针对特定成像任务设计最优的超构表面结构也是一个难题。
核心思路：将超构表面视为一个物理预处理器，它对入射光场进行编码，然后通过计算算法对编码后的光场进行解码和重建，从而得到最终的图像。这种方法的核心在于光学硬件和计算软件的协同设计，即通过联合优化超构表面的结构和重建算法，实现整体成像性能的最大化。
技术框架：整体框架包含两个主要部分：超构表面设计和图像重建算法。超构表面设计通常采用端到端（逆向）设计方法，即直接优化超构表面的结构参数，使其能够产生期望的编码效果。图像重建算法则负责从超构表面输出的光场中恢复原始图像。这两个部分通常通过一个可微分的物理模型连接起来，以便进行联合优化。
关键创新：最重要的技术创新在于光学硬件和计算软件的协同设计。与传统方法中先设计光学元件再设计重建算法不同，计算超构光学将两者作为一个整体进行优化，从而能够充分利用超构表面的波前调控能力和计算算法的图像重建能力。
关键设计：关键设计包括超构表面的结构参数化、物理模型的选择、损失函数的定义和优化算法的选择。超构表面的结构参数化需要考虑加工制造的约束，物理模型需要能够准确描述光场在超构表面中的传播过程，损失函数需要能够反映成像质量的要求，优化算法需要能够高效地搜索最优的超构表面结构和重建算法参数。
🖼️ 关键图片
📊 实验亮点
论文重点展示了计算超构光学在相位成像和量子态测量方面的应用。通过协同设计超构表面和重建算法，可以实现高分辨率的相位成像，并能够精确测量量子态的各种参数。虽然文中没有给出具体的性能数据，但强调了该方法在突破传统成像限制方面的潜力。
🎯 应用场景
计算超构光学在相位成像、量子态测量、三维成像、光谱成像等领域具有广泛的应用前景。它可以用于开发更轻薄、更紧凑、更高效的成像系统，例如用于手机摄像头、内窥镜、显微镜等设备。此外，它还可以用于开发新型的成像技术，例如用于生物医学成像、遥感成像、安防监控等领域。
📄 摘要（原文）
Metasurfaces -- ultrathin structures composed of subwavelength optical elements -- have revolutionized light manipulation by enabling precise control over electromagnetic waves' amplitude, phase, polarization, and spectral properties. Concurrently, computational imaging leverages algorithms to reconstruct images from optically processed signals, overcoming limitations of traditional imaging systems. This review explores the synergistic integration of metaoptics and computational imaging, "computational metaoptics," which combines the physical wavefront shaping ability of metasurfaces with advanced computational algorithms to enhance imaging performance beyond conventional limits. We discuss how computational metaoptics addresses the inherent limitations of single-layer metasurfaces in achieving multifunctionality without compromising efficiency. By treating metasurfaces as physical preconditioners and co-designing them with reconstruction algorithms through end-to-end (inverse) design, it is possible to jointly optimize the optical hardware and computational software. This holistic approach allows for the automatic discovery of optimal metasurface designs and reconstruction methods that significantly improve imaging capabilities. Advanced applications enabled by computational metaoptics are highlighted, including phase imaging and quantum state measurement, which benefit from the metasurfaces' ability to manipulate complex light fields and the computational algorithms' capacity to reconstruct high-dimensional information. We also examine performance evaluation challenges, emphasizing the need for new metrics that account for the combined optical and computational nature of these systems. Finally, we identify new frontiers in computational metaoptics which point toward a future where computational metaoptics may play a central role in advancing imaging science and technology.