Сотрудниками Лаборатории фотоники и оптической обработки информации НИЯУ МИФИ разработали оригинальную нейросеть для расчета и синтеза голографических изображений. Об этом сообщили в пресс-службе вуза.
Для расчета и создания дифракционных и голографических оптических элементов, способных формировать трехмерные сцены, обычно применяются сложные и вычислительно затратные итерационные методы. Однако исследователи из МИФИ разработали нейросетевой подход, известный как 3D-CGH-Net, который позволяет значительно ускорить процесс расчета таких элементов. Экспериментально доказано, что качество оптически воссозданных трехмерных сцен с использованием этих элементов может превосходить результаты, полученные с помощью более традиционных и ресурсоемких алгоритмов.
«Скорость расчета качественных голограмм «обычными» методами низка, — рассказывает сотрудник лаборатории Дмитрий Рымов. — Мы разработали метод, использующий нейронную сеть оригинальной архитектуры и разветвленную структуру для учета большого набора сечений трехмерной сцены в рассчитываемой голограмме. Сеть обучается на выборках, насчитывающих от десятков тысяч до сотен тысяч примеров. Метод был успешно применен в экспериментах при оптическом формировании трехмерных сцен, при реализации голограмм с использованием высокоразрешающих скоростных пространственно-временных модуляторов света новейших типов».
Как рассказал руководитель лаборатории, профессор Ростислав Стариков, компьютерный синтез голограмм состоит в расчете голограмм, которые затем могут быть реализованы тем или иным способом, например из какого-либо материала, печатью, либо с помощью пространственно-временных модуляторов света; применение компьютерно-синтезированных голограмм позволяет точно и оперативно формировать заданные световые распределения (даже такие, которых в природе не существует).
«Применение компьютерно-синтезированных голограмм перспективно при создании средств трехмерной визуализации, для лазерного управления микрочастицами, при фотостимуляции биологических нейронов, для 3D-печати, при преобразовании и фокусировке световых пучков, при построении систем голографической памяти и многое другое», — пояснил Ростислав Стариков.
Техника компьютерного синтеза голограмм развивается с конца 1960-х годов и к настоящему времени весьма совершенна.
«Применение нейронных сетей позволяет рассчитывать или, точнее, генерировать голограмму, если сеть предварительно успешно обучена. Для обучения требуется время и большие обучающие выборки, но обученная сеть генерирует голограмму очень быстро», — утверждает руководитель лаборатории.
Для расчета компьютерно-синтезированных голограмм необходимо решить обратную задачу (вычислить форму дифракционного элемента, исходя из формируемого им требуемого распределения амплитуды и фазы света) существует ряд «классических» методов, они, как правило, итеративные, и вычислительно-емкие, расчет голограммы может занимать часы, а это в современной практике часто оказывается неприемлемо.
«Новейшие интеллектуальные методы уже сейчас позволяют существенно расширить границы возможностей применения нейросетей при решении не только любительских задач, но и при их использовании для решения проблем в сложных научных тематиках, — отмечает доцент кафедры лазерной физики НИЯУ МИФИ Павел Черемхин. — Так, буквально за пару лет мы достигли столь высокого качества расчетов голограмм нейросетевыми методами, что оно превышает некоторые возможности стандартных методов, развивавшихся десятки лет. Наша лаборатория разработала метод, который синтезирует мегапиксельные голограммы сложных трехмерных сцен всего за доли секунд. При этом достигнут и высокий уровень качества оптического воспроизведения этих 3D-сцен с таких голограмм. А применение для реализации современных пространственно-временных модуляторов света позволяет формировать тысячи голограмм в секунду и, соответственно, изменять или преобразовывать трехмерное световое распределение тысячи раз в секунду».
Результаты исследования представлены в высокорейтинговом журнале Optics and Lasers in Engineering (Dmitry A. Rymov, Andrey S. Svistunov, Rostislav S. Starikov, Anna V. Shifrina, Vladislav G. Rodin, Nikolay N. Evtikhiev, Pavel A. Cheremkhin, 3D-CGH-Net: Customizable 3D-hologram generation via deep learning, Optics and Lasers in Engineering, Volume 184, Part 1, 2025, 108645, ISSN 0143-8166).
