[论文解读] 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 4

一句话总结

本文提出深度亚波长超振荡成像（DSSI），一种远场成像技术，通过在超振荡照明下利用散射光的强度图案重建亚波长物体特征。通过在模拟散射事件上训练卷积神经网络，DSSI 实现了超越衍射极限的分辨率——在由两个亚波长粒子组成的二聚体中，实现了 λ/200 的分辨率。

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 $λ/200$.

研究动机与目标

• 通过利用超振荡场，克服远场光学成像中的衍射极限。
• 在无需近场探测或基于标记的方法下，实现对亚波长物体的高分辨率成像。
• 开发一种仅基于远场强度测量的基于机器学习的重建框架。
• 通过深度学习，在真实且实验可行的成像设置中，实现亚波长分辨率的演示。

提出的方法

• 使用具有高度局域化强度极大值（低于衍射极限）的超振荡场照射亚波长物体。
• 在物体穿过超振荡场的过程中，记录散射光的远场强度图案。
• 在大规模模拟散射事件数据集上训练卷积神经网络（CNN），以学习从强度分布到物体结构的映射关系。
• 利用训练好的 CNN 从测量的远场强度数据中重建物体，而无需相位信息或对物体的先验知识。
• 通过利用深度学习的表征能力，采用数据驱动方法绕过反散射问题的病态性。
• 通过数值模拟验证该方法，对象为由两个亚波长不透明粒子组成的二聚体。

实验结果

研究问题

• RQ1 能否利用深度学习，从超振荡照明下的远场强度图案中重建亚波长物体特征？
• RQ2 DSSI 在远场成像中能在多大程度上超越传统的衍射极限？
• RQ3 在无近场探测的情况下，DSSI 的分辨率与传统光学成像技术相比如何？
• RQ4 该方法能否仅通过强度测量和训练好的神经网络，可靠地重建复杂的亚波长结构？
• RQ5 在真实模拟环境中，该方法可实现的最小可分辨特征尺寸是多少？

主要发现

• 在数值模拟中，DSSI 实现了超过 λ/200 的空间分辨率，显著超越了传统衍射极限。
• 该方法成功仅通过远场强度测量，重建了由两个亚波长不透明粒子组成的二聚体的精细结构。
• 卷积神经网络能够在多种物体构型下泛化，并在无需相位信息的情况下准确恢复亚波长特征。
• 该方法完全在远场中运行，避免了对近场探针或复杂干涉测量装置的需求。
• 即使在中等噪声水平下，重建质量依然保持稳健，表明其具有潜在的实验实现可行性。
• 结果表明，超振荡场与深度学习的结合，为超越经典极限的高分辨率光学成像开辟了新范式。