[논문 리뷰] Unlabelled Far-field Deeply Subwavelength Superoscillatory Imaging (DSSI)

Tanchao Pu, Vassili Savinov외 3명|arXiv (Cornell University)|2019. 08. 02.

Digital Holography and Microscopy참고 문헌 23인용 수 4

한 줄 요약

이 논문은 초분광 해상도 초과 이미징 기술인 딥리서브웨이브링 슈퍼오실레이터리 이미징(DSSI)을 소개한다. 이 기술은 슈퍼오실레이터리 조명 하에서 산산이 흩어진 빛의 강도 패턴을 이용해 원거리 영역에서 분광 해상도 이하의 물체 특징을 복원한다. 시뮬레이션된 산산이 흩어진 사건에 대해 컨volutional 신경망(CNN)을 훈련시킴으로써 DSSI는 회절 한계를 초월한 해상도를 달성한다. 이는 하위파장 입자 두 개로 이루어진 이량체에서 λ/200의 해상도로 입증되었다.

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 $λ/200$.

연구 동기 및 목표

• 슈퍼오실레이터리 필드를 활용하여 원거리 광학 이미징에서 회절 한계를 극복하는 것.
• 근접장 검출 또는 레이블 기반 방법 없이 하위파장 물체의 고해상도 이미징을 가능하게 하는 것.
• 오직 원거리 강도 측정값만을 사용하는 머신러닝 기반 복원 프레임워크를 개발하는 것.
• 딥러닝을 활용한 실제 실험에 구현 가능한 원거리 이미징 설정에서 하위파장 해상도를 입증하는 것.

제안 방법

• 회절 한계 이하의 매우 국소적인 강도 최댓값을 보이는 슈퍼오실레이터리 필드로 하위파장 물체를 조명하는 것.
• 물체를 슈퍼오실레이터리 필드 내에서 이동시키며 산산이 흩어진 빛의 원거리 강도 패턴을 기록하는 것.
• 강도 프로파일에서 물체 구조로의 매핑을 학습하기 위해 대규모 시뮬레이션 산산이 흩어진 사건 데이터셋에 대해 컨volutional 신경망(CNN)을 훈련하는 것.
• 측정된 원거리 강도 데이터로부터 물체를 복원하기 위해 훈련된 CNN을 사용하며, 위상 정보나 물체에 대한 사전 지식이 필요로 하지 않는 것.
• 딥러닝의 표현 능력을 활용하여 역산산산 문제의 불안정성을 극복하는 데이터 기반 접근법을 채택하는 것.
• 두 개의 하위파장 투명하지 않은 입자로 이루어진 이량체에 대한 수치 시뮬레이션을 통해 방법을 검증하는 것.

실험 결과

연구 질문

• RQ1 딥러닝을 사용하여 슈퍼오실레이터리 조명 하에서 원거리 강도 패턴으로부터 하위파장 물체 특징을 복원할 수 있는가?
• RQ2 DSSI는 원거리 이미징에서 전통적인 회절 한계를 어느 정도 초월할 수 있는가?
• RQ3 근접장 검출 없이 DSSI의 해상도는 전통적인 광학 이미징 기술과 비교해 어떻게 되는가?
• RQ4 오직 강도 측정값과 훈련된 신경망만을 사용하여 복잡한 하위파장 구조를 신뢰성 있게 복원할 수 있는가?
• RQ5 실제 시뮬레이션 환경에서 이 방법으로 달성 가능한 최소 해상도 특징 크기는 얼마인가?

주요 결과

• DSSI는 수치 시뮬레이션에서 λ/200를 초월하는 공간 해상도를 달성하여 기존의 회절 한계를 크게 뛰어넘는다.
• 이 방법은 오직 원거리 강도 측정값만을 사용하여 두 개의 하위파장 투명하지 않은 입자로 이루어진 이량체의 미세 구조를 성공적으로 복원한다.
• 컨volutional 신경망은 다양한 물체 구성에 대해 일반화할 수 있으며, 위상 정보가 없이도 정확하게 하위파장 특징을 복원할 수 있다.
• 이 방법은 완전히 원거리 영역에서 작동하므로 근접장 프로브나 복잡한 간섭계 설정이 필요로 하지 않는다.
• 중간 수준의 노이즈 수준에서도 복원 품질이 뛰어나 안정적이므로 실험적 구현 가능성이 높다.
• 결과적으로 슈퍼오실레이터리 필드와 딥러닝의 조합은 고해상도 광학 이미징의 새로운 패러다임을 가능하게 하여 고전적 한계를 초월한다.