[论文解读] Phase-probability shaping for speckle-free holographic lithography

Dong Zhao, Weiwei Fu+3 more|arXiv (Cornell University)|Nov 18, 2022

Digital Holography and Microscopy被引用 4

一句话总结

本文提出相位-概率整形技术，通过压缩编码相位的概率分布，消除全息光刻中的散斑噪声，实现均匀的光学干涉。通过机器学习辅助的概率整形（MAPS）方法，作者实现了超低散斑对比度（C = 0.08）和记录边缘锐度（约1000 mm⁻¹），从而实现高保真度、任意形状的复杂结构（如涡旋光栅和二维随机条形码）的图案化。

ABSTRACT

Optical holography has undergone rapid development since its invention in 1948, but the accompanying speckles with randomly distributed intensity are still untamed now due to the fundamental difficulty of eliminating intrinsic fluctuations from irregular complex-field superposition. Despite spatial, temporal and spectral averages for speckle reduction, it is extremely challenging to reconstruct high-homogeneity, edge-sharp and shape-unlimited images via holography. Here we predict that holographic speckles can be removed by narrowing the probability density distribution of encoded phase to homogenize optical superposition. Guided by this physical insight, a machine-learning-assisted probability-shaping (MAPS) method is developed to prohibit the fluctuations of intensity in a computer-generated hologram (CGH), which empowers the experimental reconstruction of irregular images with ultralow speckle contrast (C=0.08) and record-high edge sharpness (~1000 mm-1). It breaks the ultimate barrier of demonstrating high-end CGH lithography, thus enabling us to successfully pattern arbitrary-shape and edge-sharp structures such as vortex gratings and two-dimensional random barcodes.

研究动机与目标

• 为解决由复振幅干涉引起的随机强度波动所导致的光学全息中的根本性散斑噪声挑战。
• 开发一种方法，实现在计算全息（CGH）中高均匀性、边缘锐利且形状无限制的图像重建。
• 通过消除散斑同时保持结构保真度和分辨率，突破CGH光刻的性能瓶颈。
• 展示任意形状、高精度纳米结构（如涡旋光栅和二维随机条形码）的实验实现。

提出的方法

• 核心方法是通过压缩编码相位的概率密度函数（PDF），以减少波动，从而实现光学干涉的均一化并抑制散斑。
• 开发了基于机器学习的相位整形（MAPS）框架，以优化最小化重建图像中强度方差的相位分布。
• 该方法利用可微分微分器，将相位PDF映射至重建强度统计量，实现端到端训练以获得最优相位分布。
• 该方法用于设计计算全息图（CGH），以生成高对比度、边缘锐利且散斑极少的图案。
• 通过空间光调制器（SLM）在受控照明条件下进行实验验证，实现复杂图案的重建。

实验结果

研究问题

• RQ1 通过压缩编码相位的概率分布，能否有效抑制全息重建中的散斑？
• RQ2 机器学习在多大程度上可优化相位分布以最小化CGH中的强度波动？
• RQ3 所提出的方法能否在任意图案生成中同时实现超低散斑对比度和高边缘锐度？
• RQ4 该方法是否可行用于制造复杂、形状无限制的纳米结构（如涡旋光栅和二维条形码），且散斑极少？

主要发现

• 该方法实现了C = 0.08的散斑对比度，相比传统全息技术有显著降低。
• 实验中展示了约1000 mm⁻¹的创纪录边缘锐度，使图案化结构实现亚微米分辨率。
• 该技术成功实现了包括涡旋光栅和二维随机条形码在内的任意形状结构的高保真度制造。
• 基于机器学习的相位-概率整形（MAPS）框架通过控制相位PDF，有效抑制了强度波动，验证了其物理原理的正确性。