[論文レビュー] Unlabelled Far-field Deeply Subwavelength Superoscillatory Imaging (DSSI)

Tanchao Pu, Vassili Savinov+3 more|arXiv (Cornell University)|Aug 2, 2019

Digital Holography and Microscopy参考文献 23被引用数 4

ひとこと要約

本稿では、超回折光照射下での散乱光の強度分布を用いて、遠方場で波長未満の物体特徴を再構成する、Deeply Subwavelength Superoscillatory Imaging (DSSI) と呼ばれる新技術を紹介する。シミュレーションされた散乱事象のデータセット上で畳み込みニューラルネットワーク（CNN）を学習させることで、DSSIは回折限界を超える分解能を達成する—二つの波長未満の粒子で構成されるデュオマーに対しては λ/200 の分解能が実証された。

ABSTRACT

Recently it was reported that deeply subwavelength features of free space superoscillatory electromagnetic fields can be observed experimentally and used in optical metrology with nanoscale resolution [Science 364, 771 (2019)]. Here we introduce a new type of imaging, termed Deeply Subwavelength Superoscillatory Imaging (DSSI), that reveals the fine structure of a physical object through its far-field scattering pattern under superoscillatory illumination. The object is reconstructed from intensity profiles of scattered light recorded for different positions of the object in the superoscillatory field. The reconstruction is performed with a convolutional neural network trained on a large number of scattering events. We show that DSSI offers resolution far beyond the conventional 'diffraction limit'. In modelling experiments, a dimer comprising two subwavelength opaque particles is imaged with a resolution exceeding $λ/200$.

研究の動機と目的

• 超回折場を活用することで、遠方場光学像の回折限界を克服すること。
• 近場検出やラベルベースの手法を用いずに、波長未満の物体を高分解能で像として再構成できること。
• 位相情報や物体に関する事前知識を必要とせず、遠方場強度測定値のみを用いて動作する機械学習ベースの再構成フレームワークを開発すること。
• 深層学習を用いた実験的に実現可能な設定で、波長未満の分解能を実証すること。

提案手法

• 回折限界を下回る局所的強度最大値を示す超回折場で、波長未満の物体を照射する。
• 物体を超回折場の上を移動させながら、散乱光の遠方場強度パターンを記録する。
• 強度プロファイルから物体構造へのマッピングを学習するために、多数のシミュレーション散乱事象のデータセット上で畳み込みニューラルネットワーク（CNN）を学習させる。
• 学習済みの CNN を用いて、位相情報や物体に関する事前知識を必要とせずに、測定された遠方場強度データから物体を再構成する。
• 深層学習の表現能力を活用することで、逆散乱問題の不適切な定式化を回避するデータ駆動型アプローチを採用する。
• 二つの波長未満の不透明な粒子で構成されるデュオマーの数値的シミュレーションを通じて、手法の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 超回折照射下での遠方場強度パターンから、深層学習を用いて波長未満の物体特徴を再構成できるか？
• RQ2 DSSI は、従来の回折限界をどの程度超えることができるか？
• RQ3 近場検出を用いない状況下で、DSSI の分解能は従来の光学像再構成手法と比べてどのように異なるか？
• RQ4 強度測定値と学習済みニューラルネットワークのみを用いて、複雑な波長未満構造を信頼性高く再構成できるか？
• RQ5 実際のシミュレーション環境下で、この手法が達成可能な最小分解能特徴サイズは何か？

主な発見

• DSSI は数値的シミュレーションにおいて、λ/200 を大きく上回る空間分解能を達成した。これは、従来の回折限界を著しく上回る。
• 本手法は、二つの波長未満の不透明な粒子からなるデュオマーの微細構造を、遠方場強度測定値のみを用いて正しく再構成できた。
• 畳み込みニューラルネットワークは、多様な物体配置に一般化可能であり、位相情報がなくても波長未満の特徴を正確に回復できた。
• 本手法は完全に遠方場で動作し、近場プローブや複雑な干渉計測定装置を必要としなかった。
• 中程度のノイズレベル下でも再構成品質が安定しており、実験的実装の可能性を示唆している。
• 結果から、超回折場と深層学習の組み合わせにより、古典的限界を超えた高分解能光学像再構成の新しいパラダイムが実現可能であることが示された。