Le lenti metalliche potenziate dall’intelligenza artificiale consentono l’imaging ad alta risoluzione a colori completi per sistemi ottici compatti. I sistemi di imaging moderni, inclusi quelli presenti negli smartphone, nei dispositivi di realtà virtuale (VR) e realtà aumentata (AR), stanno continuamente avanzando per raggiungere una maggiore compattezza, efficienza e prestazioni.
I sistemi ottici convenzionali, che dipendono da ingombranti lenti in vetro, affrontano sfide come aberrazioni cromatiche, inefficienza su più lunghezze d’onda e dimensioni fisiche ingombranti. Questi svantaggi presentano sfide nella progettazione di sistemi più piccoli e leggeri che producano comunque immagini di alta qualità.
Per superare questi problemi, i ricercatori hanno sviluppato metalenti, lenti ultrapiatte composte da minuscole nanostrutture in grado di manipolare la luce a livello nanometrico. Le metalenti offrono un enorme potenziale per miniaturizzare i sistemi ottici, ma non sono privi delle proprie sfide, in particolare quando si tratta di catturare immagini a colori completi senza distorsioni.
Avanzamento nella tecnologia di imaging con metalenti
- In uno studio recente pubblicato su Advanced Photonics, i ricercatori hanno introdotto un innovativo sistema di imaging con metalenti end-to-end potenziato dall’apprendimento profondo che supera molte di queste limitazioni.
- Questo sistema abbina una metalente prodotta in serie con un framework di ripristino delle immagini specializzato guidato dall’apprendimento profondo.
- Unendo hardware ottico avanzato con intelligenza artificiale (AI), il team ha ottenuto immagini ad alta risoluzione, prive di aberrazioni e a colori completi, mantenendo nel contempo il fattore di forma compatto promesso dalle metalenti.
La metalente stessa è fabbricata utilizzando la litografia a nanoimpronta, un metodo scalabile ed economico, seguito dalla deposizione di strati atomici, consentendo la produzione su larga scala di queste lenti. La metalente è progettata per focalizzare la luce in modo efficiente ma, come la maggior parte delle metalenti, soffre di aberrazione cromatica e altre distorsioni a causa della sua interazione con la luce di diverse lunghezze d’onda.
Per affrontare questo problema, il modello di apprendimento profondo è addestrato a riconoscere e correggere le distorsioni cromatiche e lo sfocato causati dalla metalente. Questo approccio è unico perché apprende da un ampio dataset di immagini e applica queste correzioni alle immagini future catturate dal sistema.
Come l’apprendimento profondo migliora l’imaging
- Il framework di ripristino delle immagini utilizza l’apprendimento avversario, dove due reti neurali vengono addestrate insieme.
- Una rete genera immagini corrette, e l’altra valuta la loro qualità, spingendo il sistema a migliorare continuamente.
- Tecniche avanzate come l’embedding posizionale aiutano il modello a capire come le distorsioni dell’immagine cambiano a seconda dell’angolo di visualizzazione.
Il sistema produce immagini che competono con quelle delle tradizionali lenti ingombranti, ma in un pacchetto molto più piccolo ed efficiente. Questa innovazione ha il potenziale per rivoluzionare una vasta gamma di settori, dagli elettronica di consumo come smartphone e fotocamere, a delle applicazioni più specializzate in VR e AR.
Risolvendo i problemi principali delle aberrazioni cromatiche e angolari delle metalenti, questo lavoro ci avvicina all’integrazione di queste lenti compatte nei dispositivi di imaging di tutti i giorni.
Secondo l’autore senior e corrispondente Junsuk Rho, professore titolare della cattedra Mu-Eun-Jae con una nomina congiunta in ingegneria meccanica, ingegneria chimica e ingegneria elettrica presso l’Università di Scienza e Tecnologia di Pohang (POSTECH, Corea), questo sistema guidato dall’apprendimento profondo segna un significativo avanzamento nel campo dell’ottica, offrendo una nuova via per creare sistemi di imaging più piccoli ed efficienti senza sacrificare la qualità.
La capacità di produrre in serie metalenti ad alte prestazioni, combinate con correzioni potenziate dall’IA, ci avvicina a un futuro in cui i sistemi di imaging compatti, leggeri e di alta qualità diventano la norma sia nelle applicazioni commerciali che industriali.
Riferimento: Deep-learning-driven end-to-end metalens imaging di Joonhyuk Seo, Jaegang Jo, Joohoon Kim, Joonho Kang, Chanik Kang, Seong-Won Moon, Eunji Lee, Jehyeong Hong, Junsuk Rho e Haejun Chung, 14 novembre 2024, Advanced Photonics. DOI: 10.1117/1.AP.6.6.066002
