Otimização para resolução de problemas inversos em holografia gerada por computador

A holografia gerada por computador (CGH) fornece uma abordagem para modular digitalmente uma dada frente de onda. Essa tecnologia, parcialmente herdada da holografia óptica e parcialmente avançada pelo progresso da tecnologia de computação, tornou-se um foco emergente da academia e da indústria.

Hologramas gerados por computador, codificados em vários tipos de mídia holográfica, permitem uma ampla gama de aplicações. Hologramas fabricados como elementos ópticos difrativos ou metassuperfícies podem reproduzir campos de luz espacial específicos, alcançando projeção de luz estruturada, armazenamento de dados e criptografia óptica. Com dispositivos atualizáveis ​​como moduladores de luz espacial, o CGH é capaz de auxiliar muitos campos de investigação, incluindo exibição tridimensional (3D), litografia holográfica, captura óptica e optogenética.

Nos últimos anos, a CGH também impulsionou o nascimento e o crescimento de mercados potenciais de realidade virtual (VR), realidade aumentada (AR), head-up display (HUD) e computação óptica. Embora as aplicações e campos de investigação envolvam vários elementos e dispositivos, os algoritmos para síntese de hologramas podem ser aplicados universalmente.

Em um novo artigo publicado em Luz: Ciência e Aplicaçõesuma equipe de cientistas, liderada pelo Professor Liangcai Cao do Departamento de Instrumentos de Precisão da Universidade de Tsinghua, China, e pelo Professor Daping Chu do Centro de Dispositivos e Sensores Fotônicos da Universidade de Cambridge, Reino Unido, analisa os algoritmos de otimização aplicados à holografia gerada por computador, incorporando princípios de síntese de hologramas baseados em projeções alternativas e métodos de descida de gradiente.

Encontrar a solução exata de um holograma desejado para reconstruir um objeto alvo preciso constitui um problema inverso mal colocado. A prática geral de computação de difração única para sintetizar hologramas pode fornecer apenas uma resposta aproximada e está sujeita a limitações na implementação numérica. Vários algoritmos de otimização não convexos são, portanto, projetados para buscar uma solução ótima introduzindo diferentes restrições, estruturas e inicializações.

“Algoritmos de otimização geram hologramas resolvendo o problema inverso em CGH, mas a simples otimização não garante necessariamente a geração de um holograma apropriado. Cálculos cuidadosos correspondentes ao processo físico real são essenciais para melhorar a precisão da reconstrução e produzir um holograma como deveria ser, daí a importância e o valor deste guia de melhores práticas”, explicaram os pesquisadores.

“Este artigo de revisão é focado no desenvolvimento e implementação de algoritmos de otimização CGH em operação real, fornecendo uma visão geral sistemática e abrangente, desde o fundamental até a prática real.

“Acreditamos que, juntamente com nossos códigos de código aberto que demonstram todas as estruturas de otimização 2D/3D apresentadas aqui, este tutorial de computação, bem como a compreensão incorporada de algoritmos de otimização para CGH, podem auxiliar várias investigações no campo geral da óptica”, acrescentaram.