[論文レビュー] Towards single-shot coherent imaging via overlap-free ptychography

Oliver Hoidn, Aashwin Mishra+3 more|arXiv (Cornell University)|Feb 24, 2026

Advanced X-ray Imaging Techniques被引用数 0

ひとこと要約

著者らは PtychoPINNを拡張して、物理制約付き自己教師ありフレームワークと微分可能なフォワードモデルおよびポアソン尤度を用い、単発の重なりなしフレネルコヒーレント回折成像を可能にしつつ、従来の多ショットピチョグラフィを加速させる。

ABSTRACT

Ptychographic imaging at synchrotron and XFEL sources requires dense overlapping scans, limiting throughput and increasing dose. Extending coherent diffractive imaging to overlap-free operation on extended samples remains an open problem. Here, we extend PtychoPINN (O. Hoidn \emph{et al.}, \emph{Scientific Reports} extbf{13}, 22789, 2023) to deliver \emph{overlap-free, single-shot} reconstructions in a Fresnel coherent diffraction imaging (CDI) geometry while also accelerating conventional multi-shot ptychography. The framework couples a differentiable forward model of coherent scattering with a Poisson photon-counting likelihood; real-space overlap enters as a tunable parameter via coordinate-based grouping rather than a hard requirement. On synthetic benchmarks, reconstructions remain accurate at low counts ($\sim\!10^4$ photons/frame), and overlap-free single-shot reconstruction with an experimental probe reaches amplitude structural similarity (SSIM) 0.904, compared with 0.968 for overlap-constrained reconstruction. Against a data-saturated supervised model with the same backbone (16,384 training images), PtychoPINN achieves higher SSIM with only 1,024 images and generalizes to unseen illumination profiles. Per-graphics processing unit (GPU) throughput is approximately $40 imes$ that of least-squares maximum-likelihood (LSQ-ML) reconstruction at matched $128 imes128$ resolution. These results, validated on experimental data from the Advanced Photon Source and the Linac Coherent Light Source, unify single-exposure Fresnel CDI and overlapped ptychography within one framework, supporting dose-efficient, high-throughput imaging at modern light sources.

研究の動機と目的

• 重なりの要件を低減または除去してスループットを向上させ、線量を削減する動機づけ。
• 単発フレネル CDI と重なりのあるピチョグラフィを統合する自己教師付き、物理制約フレームワークを開発。
• 任意のスキャン幾何学と実在的プローブ形状を扱いつつ、再構成忠実度を維持する。

提案手法

• 逆写像 G: X -> Y と微分可能なフォワードモデル F: Y -> X を組み合わせてオートエンコーダ F ∘ G を、回折領域の損失で訓練する。
• 重なりをハード制約ではなく調整可能な座標ベースのグルーピングとして表現し、Fresnel CDI幾何において重なりなし再構成（Cg = 1）を可能にする。
• 翻訳対応の結合フュージョン (constraint map Fc) を用いて、任意のスキャン幾何学に跨る各パッチ再構成を共通フレームにマージする。
• 回折をコヒーレント散乱フォワードモデルでモデリングし、予測回折振幅と測定回折振幅を結ぶポアソン光子数カウント尤度を含める。
• diffractionデータを正規化し、グローバルな log-強度スケール αlog を学習してネットワーク出力を絶対光子数に結びつける。
• 拡張プローブを受け入れるため、中央の高解像領域と周辺の低解像領域を再構成するエンコーダ-デコーダの backbone を採用。
• 回折領域でポアソン NLL 損失を用いて訓練（カウントが未知の場合はMAE）。実空間監視なし。

(a) Idealized — CDI

実験結果

リサーチクエスチョン

• RQ1 ハードな重なり制約を調整可能な物理情報を含むグルーピング機構に置換することで、フレネル CDI における重なりなし単発再構成を達成できるか。
• RQ2 低光子数、位置ゆらぎ、実験的プローブを用いた実データ（APS、LCLS）と合成データで、重なりなしPtychoPINNはどのように性能するか。
• RQ3 同じバックボーンを用いた教師ありベースラインと比較して、データ効率と一般化の利点は何か。
• RQ4 一般的な解像度でのLSQ-MLピチョグラフィ解法と比較して、スループットはどの程度スケールするか。
• RQ5 クロスファシリティ転送などの分布外照明・スキャン条件へ一般化できるか。

主な発見

• 実験的プローブを用いた重なりなし再構成は、合成ラインパターンデータでの重なり制約あり再構成に対して振幅SSIMが0.904に達するが0.968には及ばない。
• 約10^4光子/フレームでのポアソンNLL訓練は、約10^5光子/フレーム（FRC50）でのMAEと同等の分解能を示し、約10倍の線量効率を示唆。
• PtychoPINNは教師ありベースラインの16,384ではなく1,024の訓練画像でより高いSSIMを達成し、データ効率が改善。
• APSおよびLCLSの実験データ全体で、64×64で約6.1×10^3回折パターン/秒、単一GPUで、128×128では約2.6×10^3回折パターン/秒に到達。
• APSからLCLSデータへの分布外転送において、教師ありベースラインは劣化する一方、PtychoPINNはエッジ構造を保ち、一般化の向上を示唆。
• 単一GPU推論スループットは、128×128解像度でLSQ-MLより約40倍高い。

(b) Idealized — Ptycho