Efficient imaging of quantum emitters using compressive sensing
تستعرض هذه الورقة تقنية تصوير قائمة على الاستشعار المضغوط تستخدم أنماط إثارة ثنائية عشوائية وإعادة بناء بنظام GPSR-BB لتصوير البواعث الكمومية المتفرقة بكفاءة، مثل مراكز NV في الألماس، محققةً خرائط عالية الدقة للشدة وg(2)(0) باستخدام 20% فقط من القياسات المطلوبة بواسطة المسح النقطي التقليدي.
المؤلفون الأصليون:Sonali Gupta, Kiran Bajar, Alexander McFarland, Amit Kumar, Subhas Manna, Sushil Mujumdar
تخيل أنك تحاول التقاط صورة لغرفة مظلمة حيث لا يوجد فيها سوى بضع حشرات مضيئة (يراعات) تومض.
الطريقة القديمة (المسح النقطي - Raster Scanning): تقليديًا، لرؤية أين توجد هذه اليراعات، ستستخدم كشافًا ضوئيًا ضيقًا جدًا. ستسلط الضوء على نقطة صغيرة واحدة، وتنتظر لترى ما إذا كانت هناك حشرة، ثم تنقل الكشاف إلى النقطة التالية، ثم التي تليها، وهكذا. عليك فحص كل بوصة من الغرفة، حتى الزوايا الفارغة التي لا توجد بها أي يراعات.
المشكلة: هذا يستغرق وقتًا طويلاً للغاية. إذا كانت الغرفة ضخمة أو كانت اليراعات خافتة جدًا (يصعب رؤيتها)، فقد تنفد منك البطارية (الفوتونات) أو ينتهي الوقت قبل أن تنهي الصورة. الأمر يشبه قراءة كتاب عبر تسليط مؤشر ليزر على حرف واحد في كل مرة.
الطريقة الجديدة (الاستشعار المضغوط - Compressive Sensing): ابتكر الباحثون في هذه الورقة البحثية اختصارًا ذكيًا. بدلًا من استخدام كشاف ضوئي ضيق، يستخدمون "جهاز عرض ذكي" (يُسمى جهاز المرآة الرقمية الدقيقة أو DMD) يمكنه عرض أنماط معقدة وعشوائية من الضوء على الغرفة بأكملها في وقت واحد.
فكر في الأمر كالتالي:
النمط: بدلًا من فحص نقطة واحدة، تسلط نمطًا من الضوء يشبه متاهة عشوائية أو لوحة شطرنج. بعض أجزاء الغرفة تكون مضاءة، وأجزاء أخرى مظلمة.
"عين النقطة الواحدة": أنت لا تستخدم كاميرا بمليارات البكسلات. بدلاً من ذلك، تستخدم "أذنًا" واحدة فائقة الحساسية (كاشف) تستمع فقط إلى إجمالي كمية الضوء العائدة من الغرفة بأكملها.
اللغز: تقوم بهذا عدة مرات، ولكن بأنماط عشوائية مختلفة في كل مرة.
النمط أ: يضيء الجانب الأيسر. يسمع الكاشف "صوت صفير" (ضوء).
النمط ب: يضيء الجانب الأيمن. يسمع الكاشف صمتًا.
النمط ج: يضيء المنتصف. يسمع الكاشف "صوت صفير" عاليًا.
على الرغم من أنك لم تنظر إلى اليراعات مباشرة، يمكن للكمبيوتر الآن حل لغز ضخم. ولأن اليراعات متباعدة (sparse) (أي يوجد عدد قليل منها فقط في غرفة ضخمة)، يمكن للحاسوب رياضيًا تحديد مكانها بالضبط بناءً على أي الأنماط جعلت الكاشف "يغني".
النتيجة السحرية: تظهر الورقة البحثية أنك لست بحاجة لفحص كل نقطة. باستخدام طريقة "النمط العشوائي" هذه، تمكنوا من إنشاء صورة مثالية لليراعات باستخدام 20% فقط من البيانات التي كانت ستتطلبها الطريقة القديمة.
تشبيه: الأمر يشبه تخمين مخطط غابة متباعدة عبر إلقاء شبة فوقها عدة مرات ورؤية أين علقت الأشجار، بدلًا من المشي في كل خطوة لعدّ كل شجرة.
"التطوير الفائق" (إيجاد اليراعات المنفردة): لم يتوقف الباحثون عند معرفة أين توجد هذه اليراعات فحسب؛ بل أرادوا أيضًا معرفة نوع هذه اليراعات. فبعض اليراعات تومض واحدة تلو الأخرى (فوتونات مفردة)، بينما تومض أخرى في مجموعات.
التحدي: عادةً، لتمييزهم عن بعضهم البعض، يتعين عليك قياس مدى ارتباط وميضهم ببعضهم البعض، وهو أمر أبطأ حتى من مجرد التقاط صورة.
الحل: طبقوا نفس خدعة "النمط العشوائي" على قياس الارتباط هذا. لقد أثبتوا أنه حتى مع القليل من البيانات، يمكنهم أيضًا تحديد أي اليراعات هي "مصدر وميض منفرد" (باعتبارها باعثات فوتون واحد) من خلال البحث عن بصمة "عدم التجمع" (anti-bunching) المحددة (وهي طريقة في الوميض تثبت وجود مصدر واحد فقط).
لماذا هذا مهم؟
السرعة: تحصل على الصورة أسرع بـ 5 مرات.
الكفاءة: لا تضيع الطاقة في فحص المساحات الفارغة.
تعدد الاستخدامات: هذا يعمل لأي نظام "متباعد"، وليس فقط لعيوب الماس. إنها طريقة جديدة لرؤية العالم الكمي بشكل أسرع، وأرخص، وأقل إرهاقًا للمعدات.
باختدال شديد: بدلًا من مسح غرفة لبنة تلو الأخرى، تقوم هذه الطريقة بومض أنماط عشوائية من الضوء وتستخدم كمبيوترًا ذكيًا لإعادة بناء الصورة من الظلال والأضواء، مما يوفر 80% من الوقت والجهد مع استمرار رؤية كل شيء بوضوح.
ملخص تقني لبحث: التصوير الفعال للمبثات الكمومية باستخدام الاستشعار المضغوط
1. بيان المشكلة
يعتمد التصوير البصري التقليدي للمبثات الكمومية (مثل مراكز النيتروجين-فراغ في الألماس) عادةً على المجهر البؤري (Confocal Microscopy) مع المسح النقطي المتتالي (Raster Scanning). وبينما توفر هذه الطريقة دقة مكانية عالية، إلا أنها تعاني من عدم كفاءة حرجتين:
استهلاك الوقت: يؤدي الاستثارة المتتالية لكل بكسل إلى أوقات استحواذ طويلة، خاصة في مجالات الرؤية الواسعة.
عدم كفاءة الفوتونات: في الأنظمة المتفرقة (حيث تشغل المبثات جزءًا ضئيلًا فقط من مجال الرؤية)، يُهدر معظم وقت القياس وميزانية الفوتونات في المناطق الفارغة.
القيود: تعيق حالات عدم الكفاءة هذه القدرة على تصوير المبثات الضعيفة، أو المساحات الكبيرة، أو العينات المحدودة الفوتونات، وهي أمور شائعة في مجال الضوئيات الكمومية والاستشعار النانوي.
2. المنهجية
يقترح المؤلفون إطار عمل لـ الاستشعار المضغوط (Compressive Sensing - CS) يستبدل المسح النقطي بـ استثارة واسعة المجال ذات بنية مكانية.
الإعداد العتادي (Hardware Setup):
الاستثارة: يقوم ليزر مستمر الموجة بطول موجي 532 نانومتر بإضاءة جهاز ميكرو مرايا رقمي (DMD). يقوم الـ DMD بإسقاط سلسلة من الأقنعة الثنائية العشوائية (أنماط من البكسلات "المضيئة" و"المظلمة") على العينة.
البصريات: يقوم نظام تصوير 4f بنقل نمط الـ DMD إلى مستوى العينة مع عامل تصغير قدره ~100 ضعف، مما يخلق منطقة إضاءة تبلغ ~60 ميكرومتر.
الكشف: يتم جمع الفلورة عبر عدسة شيئية ذات فتحة عددية (NA) عالية، وتوجيهها إلى ليف بصري متعدد الأنماط، ثم كشفها بواسطة صمام ثنائي انبعاث ضوئي أحادي الفوتون (SPAD). بالنسبة لقياسات الارتباط، ينقسم المسار إلى ذراعين يحتوي كل منهما على SPAD وجهاز تسجيل زمني (Time-tagger).
الإطار الرياضي:
فرضية التشتت (Sparsity Assumption): يُفترض أن الصورة X متفرقة في قاعدة البكسلات الأساسية (أي أن معظم البكسلات تساوي صفرًا). hands
نموذج القياس: بدلاً من قياس البكسلات الفردية، يكتسب النظام M من القياسات الخطية (y=Φx+n)، حيث يمثل كل قياس إجمالي الفلورة المتكاملة المقابلة لقناع DMD محدد.
خوارزمية إعادة البناء: يتم استعادة متجه المعاملات المتفرقة عن طريق حل مسألة المربعات الصغرى المنظمة بـ ℓ1: s^=argsmin21∥y−As∥22+τ∥s∥1 ويتم حل هذه المسألة باستخدام خوارزمية GPSR-BB (إسقاط التدرج لإعادة البناء المتفرق مع خطوة بارزيلا-بورزيلاي).
التوسع إلى تصوير الارتباط (g(2)(0)):
قام المؤلفون بتوسيع الإطار لتوصيف الخرائط المكانية لدالة الارتباط من الدرجة الثانية، g(2)(0)، والتي تحدد مصادر الفوتون الواحد (الارتباط غير المتعدد/Antibunching).
بما أن g(2)(0) غير خطية، فقد اشتقوا نموذجًا أماميًا خطيًا معدلًا: yk=[1−gtot,k(2)(0)](Itot,k)2=∑Ak,i[1−gi(2)(0)]Ii2.
يسمح هذا بإعادة بناء خريطة g(2)(0) في عملية من خطوتين: أولاً إعادة بناء خريطة الكثافة، ثم استخدامها لاستعادة خريطة الارتباط من بيانات الارتباط المضغوطة.
3. المساهمات الرئيسية
إثبات الاستشعار المضغوط للمبثات الكمومية: أول عرض تجريبي لتصوير الاستشعار المضغوط خصيصًا لمراكز النيتروجين-فراغ (NV) في الألماس، باستبدال المسح النقطي بإضاءة أقنعة ثنائية عشوائية.
تقليل كبير في استحواذ البيانات: تحقيق إعادة بناء عالية الدقة للصور باستخدام ~20% فقط من القياسات المطلوبة للمسح النقطي التقليدي.
التصوير القائم على الارتباط: توسيع نظري ورقمي لإطار الاستشعار المضغوط لإعادة بناء الخرائط المكانية لـ g(2)(0)، مما يسمح بتحديد مصادر الفوتون الواحد مع تقليل العبء الإضافي للبيانات.
القابلية للتعميم: تعتمد الطريقة فقط على التشتت المكاني، مما يجعلها قابلة للتطبيق على فئة واسعة من المبثات الكمومية بخلاف مراكز NV.
4. النتائج
المحاكاة: أظهرت المحاكاة الرقمية لتوزيعات مراكز NV المتفرقة أن خوارزمية CS يمكنها إعادة بناء الصورة الأصلية بشكل مثالي (ارتباط 100%) باستخدام 20% فقط من البيانات، حتى مع نمذجة الضوضاء الواقعية (ضوضاء الفوتونات، ارتجاج الكاشف، وزمن الخمود).
التحقق التجريبي (الكثافة):
باستخدام عينة من حبات الألماس النانوية التي تحتوي على مراكز NV، تمكن الفريق من إعادة بناء الصور باستخدام 20% من وقت القياس.
المقاييس: حققت الصور المعاد بناؤها نسبة إشارة إلى ضوضاء ذروية (PSNR) بلغت 35 ديسيبل ومعامل ارتباط بيرسون قدره 0.927 مقارنة بالمرجع الممسوح نقطيًا بالكامل.
الكفاءة: يمثل هذا تقليلاً بمقدار 5 أضعاف في وقت الاستحواذ.
عتبة أخذ العينات: تشبعت مقاييس الأداء بسرعة، مما أظهر استعادة موثوقة حتى عند نسب أخذ عينات منخفضة تصل إلى 20-30%.
تصوير الارتباط (رقميًا):
أظهرت المحاكاة أن إطار CS المعدل يمكنه إعادة بناء خرائط g(2)(0) بدقة.
نجحت الخوارزمية في تحديد مواقع مصادر الفوتون الواحد (المُعرفة بـ g(2)(0)<0.5) رغم نقص أخذ العينات الشديد، مما يؤكد إمكانية تصوير الارتباط المضغوط.
5. الأهمية
يعالج هذا العمل عقبة حرجة في التصوير الكمومي: المقايضة بين سرعة الاستحواذ، وميزانية الفوتونات، والدقة المكانية.
كفاءة الفوتونات: من خلال تعدد القياسات، تعظم الطريقة المعلومات المكتسبة لكل فوتون، وهو أمر بالغ الأهمية للعينات الحساسة أو المحدودة الفوتونات.
السرعة: يتيح تقليل وقت الاستحواذ بمقدار 5 أضعاف توصيفًا أسرع للأنظمة الكمومية، وربما المراقبة في الوقت الفعلي.
القابلية للتوسع: هذه الطريقة قابلة للتوسع في مجالات الرؤية الواسعة حيث يصبح المسح النقطي بطيئًا للغاية.
التطبيقات المستقبلية: إن القدرة على إعادة بناء دالات الارتباط (g(2)(0)) من البيانات المضغوطة تفتح آفاقًا جديدة لتوصيف مصادر الضوء الكمومي والتشابك دون ضريبة الوقت التي تفرضها قياسات المسح التقليدية. كما يمكن تكييف الإطار مع البصريات التكيفية وأنماط الإضاءة المعززة بالتعلم الآلي لمزيد من التحسين.