Ssylka

Прорывная оптика через многомодовые волокна

Исследование под названием «Технология передачи изображений по волокнам для минимально инвазивного эндоскопа разработана» отмечает уникальное значение оптических волокон: они обеспечивают высокую пропускную способность и безопасность при передаче данных в интернете и обработке больших массивов информации. При этом многомодовые волокна (MMF) с 10³–10⁴ режимами внутри тончайшего сердцевинного диаметра имеют решающее значение для реализации квантовых вычислений, микроэндоскопии и прочих оптических приложений.
Прорывная оптика через многомодовые волокна
Изображение носит иллюстративный характер

Сложность передачи оптических данных через MMF заключается в сильном рассеянии и модовой дисперсии, которые искажают исходные изображения. Традиционные методы на базе искусственных нейронных сетей и пространственных модуляторов света пока не достигли полноценного восстановления сигнала в режиме реального времени. Однако задача прямой оптической транспортировки изображения без искажений через многомодовые волокна оставалась ключевой целью оптотехники.

Группа учёных во главе с профессором Цимином Чжаном и доцентом Хаои Ю из Школы наук и технологий искусственного интеллекта (SAIST) при Университете Шанхая науки и технологий (USST) представила инновационное решение. Их результаты опубликованы в журнале «Nature Photonics» и показывают, как внедрение многослойных оптических дифракционных нейронных сетей (DN²) обеспечивает прямую передачу изображения через MMF.

DN², выполняющие матричные операции на скорости света, закладывают основы для высокопроизводительных оптических вычислений. Глубокая структура слоёв позволяет эффективно обрабатывать многочисленные режимы внутри волокна и устранять искажения. Сочетание компактного дизайна и широких возможностей прямой реконструкции открывает путь к полноценной интеграции с уже существующими оптическими системами.

В эксперименте использовался 0,35-метровый коммерческий многомодовый волоконный кабель с нанолитографически изготовленным на его дистальном конце миниатюрным DN² размером 150×150 мкм. Эта система способна передавать изображения размером 65×65 мкм с минимальной размерностью распознаваемой детали около 4,90 мкм и средним контрастом по интенсивности порядка 4%. Каждый слой демонстрирует дифракционную эффективность около 35%.

Для проверки универсальности сети применялось обучение с рукописными цифрами, но технологии также удалось успешно восстанавливать 31 изображение клеток HeLa, которые не входили в основной обучающий набор. Это доказывает характерную для DN² способность к переносу обучения даже при ограниченном наборе исходных данных.

Предполагается масштабное применение подобных систем в гибких и жёстких эндоскопах для минимально инвазивного исследования, а также в краткосрочных квантовых соединениях и других сферах передачи оптических сигналов. Подобный подход годится и для одномодовых, градиентно-индексных и дезорганизованных волокон, расширяя возможности оптогенетики, медицинской диагностики и телекоммуникаций.


Новое на сайте

18600Как тело человека превращается в почву за 90 дней? 18599Как ваш iPhone может заменить паспорт при внутренних перелетах по США? 18598Мозговой шторм: что происходит, когда мозг отключается от усталости 18597Раскрыта асимметричная форма рождения сверхновой 18596Скидки Ninja: как получить идеальную корочку и сэкономить на доставке 18595Почему работа на нескольких работах становится новой нормой? 18594Записная книжка против нейросети: ценность медленного мышления 18593Растущая брешь в магнитном щите земли 18592Каким образом блокчейн-транзакции стали новым инструментом для кражи криптовалюты? 18591Что скрывается за ростом прибыли The Walt Disney Company? 18590Является ли ИИ-архитектура, имитирующая мозг, недостающим звеном на пути к AGI? 18589Как Operation Endgame нанесла сокрушительный удар по глобальной киберпреступности? 18588Кибервойна на скорости машин: почему защита должна стать автоматической к 2026 году 18587Как одна ошибка в коде открыла для хакеров 54 000 файрволов WatchGuard? 18586Криптовалютный червь: как десятки тысяч фейковых пакетов наводнили npm