Двухветевая сверточная нейросеть 3D-CGH-Net позволяет значительно ускорить расчет оптических элементов компьютерно-синтезированных голограмм за счет учета большого набора сечений трехмерной сцены. Одна ветвь нейросети отвечает за генерацию информации о фазе, другая — за генерацию информации об амплитуде при реконструкции голограммы с помощью пространственно-временных модуляторов света (SLM, spatial light modulator). Параметры каждой двухмерной плоскости трехмерной сцены передаются в модулятор отдельно.

3D-CGH-Net была обучена на случайных выборках, насчитывающих от десятков тысяч до сотен тысяч примеров трехмерных сцен. Разработчикам удалось создать трехмерные голограммы разрешением 1024×1024 пикселя с 16 плоскостями, что является наивысшим известным показателем для использующих нейросети методов. Подобные голограммы, отмечают разработчики, могут применяться при создании средств трехмерной визуализации, для лазерного управления микрочастицами, при фотостимуляции биологических нейронов, для 3D-печати.

Нейросеть была представлена НИЯУ МИФИ в декабре 2024 года.

Статья в журнале Optics and Lasers in Engineering

👤 Павел Черемхин

#искусственный_интеллект#нейросети#машинное_обучение#3D

#МИФИ