I metalobiettivi potenziati dall'intelligenza artificiale consentono di ottenere immagini a colori ad alta risoluzione per sistemi ottici compatti
I recenti progressi nelle lenti metasuperficiali (metalenses) hanno mostrato un grande potenziale per aprire una nuova era nelle applicazioni compatte di imaging, fotografia, rilevamento della luce e misurazione della distanza (LiDAR) e realtà virtuale/realtà aumentata. Tuttavia, il compromesso fondamentale tra efficienza di focalizzazione della banda larga e larghezza di banda operativa limita le prestazioni dei metalenses a banda larga, determinando aberrazione cromatica, aberrazione angolare e un'efficienza relativamente bassa.
I moderni sistemi di imaging, come quelli utilizzati negli smartphone, nei dispositivi di realtà virtuale e di realtà aumentata, sono in continua evoluzione per diventare più compatti, efficienti e ad alte prestazioni. I sistemi ottici tradizionali si basano su lenti in vetro ingombranti, che presentano limitazioni come aberrazioni cromatiche, bassa efficienza a più lunghezze d'onda e grandi dimensioni fisiche. Questi inconvenienti rappresentano sfide quando si progettano sistemi più piccoli e leggeri che producono comunque immagini di alta qualità. Per superare questi problemi, i ricercatori hanno sviluppato i metalenses, lenti ultrasottili composte da minuscole nanostrutture in grado di manipolare la luce su scala nanometrica. I metalenses offrono un enorme potenziale per la miniaturizzazione dei sistemi ottici, ma non sono privi di sfide, in particolare quando si tratta di catturare immagini a colori senza distorsioni.
In un recente studio pubblicato su Advanced Photonics (1), i ricercatori hanno introdotto un sistema di imaging dei metalli end-to-end innovativo, basato sull’apprendimento profondo, che supera molte di queste limitazioni. Questo sistema abbina un metalens prodotto in serie con una struttura specializzata di ripristino dell’immagine guidata dal deep learning. Combinando hardware ottico avanzato con intelligenza artificiale (AI), il team ha ottenuto immagini a colori ad alta risoluzione, prive di aberrazioni, il tutto mantenendo il fattore di forma compatto promesso dai metalensori.
Le lenti stesse sono fabbricate utilizzando la litografia a nanoimpronta, un metodo scalabile ed economico, seguito dalla deposizione di strati atomici, consentendo la produzione su larga scala di queste lenti. Il metalens è progettato per focalizzare la luce in modo efficiente ma, come la maggior parte dei metalenses, soffre di aberrazione cromatica e altre distorsioni dovute alla sua interazione con la luce di diverse lunghezze d'onda. Per risolvere questo problema, il modello di deep learning è addestrato a riconoscere e correggere le distorsioni cromatiche e la sfocatura causate dai metalli. Questo approccio è unico perché apprende da un ampio set di dati di immagini e applica queste correzioni alle immagini future catturate dal sistema.
Il framework di ripristino dell'immagine utilizza l'apprendimento contraddittorio, in cui due reti neurali vengono addestrate insieme. Una rete genera immagini corrette e l'altra ne valuta la qualità, spingendo il sistema a migliorare continuamente. Inoltre, tecniche avanzate come l'incorporamento posizionale aiutano il modello a comprendere come le distorsioni dell'immagine cambiano a seconda dell'angolo di visione. Ciò si traduce in miglioramenti significativi nelle immagini restaurate, in particolare in termini di precisione del colore e nitidezza nell'intero campo visivo.
Il sistema produce immagini che competono con quelle degli obiettivi tradizionali e ingombranti, ma in un pacchetto molto più piccolo ed efficiente. Questa innovazione ha il potenziale per rivoluzionare un’ampia gamma di settori, dall’elettronica di consumo come smartphone e fotocamere alle applicazioni più specializzate in realtà virtuale e di realtà aumentata. Risolvendo i problemi fondamentali dei metalli, ovvero le aberrazioni cromatiche e angolari, questo lavoro ci avvicina all'integrazione di questi obiettivi compatti nei dispositivi di imaging di tutti i giorni.
Secondo l’autore senior e corrispondente Junsuk Rho (2), Mu-Eun-Jae ha conferito al professore titolare un incarico congiunto in ingegneria meccanica, ingegneria chimica ed ingegneria elettrica presso l’Università di Scienza e Tecnologia di Pohang (POSTECH, Corea), «Questo deep-learning- Il sistema guidato segna un progresso significativo nel campo dell’ottica, offrendo un nuovo percorso verso la creazione di sistemi di imaging più piccoli ed efficienti senza sacrificare la qualità».
La capacità di produrre in serie lenti metasuperficiali (metalenses) ad alte prestazioni, combinata con correzioni basate sull’intelligenza artificiale, ci avvicina a un futuro in cui sistemi di imaging compatti, leggeri e di alta qualità diventeranno la norma sia nelle applicazioni commerciali che industriali.
Riferimenti:
(1) Deep-learning-driven end-to-end metalens imaging
(2) Junsuk Rho
Descrizione foto: Un metalens, composto da una serie di nanostrutture con angoli di rotazione arbitrari, acquisisce un'immagine, che viene ripristinata per generare un'immagine di output che si avvicina molto alla qualità dell'immagine originale della “verità fondamentale”. - Credit: Seo et al..
Autore traduzione riassuntiva e adattamento linguistico: Edoardo Capuano / Articolo originale: Metalenses harness AI for superior performance