Tutorial: A practical guide to the alignment of defocused spatial light modulators for fast diffractive neural networks

Resumen Técnico: Una Guía Práctica para la Alineación de Moduladores de Luz Espacial Desenfocados en Redes Neuronales Difractivas Rápidas

Enunciado del Problema
Las redes neuronales difractivas ópticas (DNN) ofrecen una vía para acelerar el aprendizaje automático y reducir el consumo de energía aprovechando la velocidad de la luz y las capacidades de procesamiento paralelo de la óptica de campo completo. Sin embargo, existe un cuello de botella significativo en el entrenamiento de estos sistemas: las bajas tasas de refresco de los moduladores de luz espacial (SLM) limitan la velocidad de adquisición y procesamiento de datos. Aunque el multiplexado espacial —mostrar múltiples imágenes de entrada simultáneamente en diferentes regiones de interés (ROI) del SLM— puede teóricamente acelerar el entrenamiento en órdenes de magnitud, introduce un desafío experimental crítico. Para que el multiplexado funcione, cada canal paralelo debe realizar la misma operación física exacta. Esto requiere una conjugación a nivel de píxel entre moduladores sucesivos (por ejemplo, un modulador de amplitud y un modulador de fase) con extrema precisión. A medida que las longitudes de onda disminuyen hacia el rango visible, la tolerancia al desalineamiento mecánico y la complejidad de controlar el medio de propagación aumentan significativamente. Los métodos de alineación existentes para arquitecturas similares, como los convertidores de luz de múltiples planos (MPLC), a menudo sufren de baja tolerancia al desalineamiento o requieren una partición compleja del SLM, reduciendo los grados de libertad (DoF) disponibles. Además, el entrenamiento de redes neuronales físicas se complica por reflexiones parásitas, aberraciones y ruido, lo que dificulta aplicar algoritmos de retropropagación estándar directamente a datos experimentales.

Metodología
Los autores presentan un procedimiento de alineación semiautomático diseñado para lograr una conjugación a nivel de píxel entre un modulador de amplitud (un microvisor, µDisplay) y un modulador de solo fase (un SLM). La configuración utiliza un sistema 4f para formar la imagen del µDisplay sobre el SLM, seguido de una propagación hacia una cámara desenfocada para imitar la difracción en espacio libre.

El protocolo de alineación consta de tres etapas principales:

1. Posicionamiento Axial: La magnificación del sistema 4f se ajusta manualmente para igualar la relación de los pasos de píxel de los dos moduladores. Esto se logra reemplazando el SLM con una cámara para localizar el plano de imagen y ajustando iterativamente las distancias de las lentes.
2. Alineación Manual Lateral y Axial: Utilizando una plataforma de seis ejes, el SLM se posiciona aproximadamente. Los autores aprovechan la difracción de la luz en bordes afilados: al mostrar objetivos con gradientes de fase (por ejemplo, círculos concéntricos con fases alternas de 0 y $2\pi$) en el SLM y patrones de intensidad uniforme en el µDisplay, los bordes se vuelven visibles como regiones oscuras en un plano conjugado. Esto permite una alineación manual gruesa.
3. Ajuste Fino Automatizado: Un algoritmo de visión por computadora refina la alineación. El sistema muestra discos en el µDisplay y patrones de fase concéntricos en el SLM. Utilizando algoritmos estándar de ajuste de elipses (vía OpenCV), el sistema detecta los centros de las manchas oscuras resultantes en la cámara. Al comparar los centroides de las características del µDisplay y las características del SLM, el algoritmo calcula los desplazamientos traslacionales necesarios. Este proceso se repite hasta que las posiciones convergen.

El método es robusto frente al desenfoque y es escalable; el mismo procedimiento puede aplicarse secuencialmente para alinear cualquier número de moduladores. La configuración resultante se caracteriza utilizando únicamente mediciones de intensidad. Al mostrar máscaras de fase aleatorias en el SLM e iluminación constante en el µDisplay, los autores analizan los patrones de speckle resultantes. Si los canales están perfectamente alineados, los patrones de speckle en todas las ROI deben ser idénticos (invariantes al desplazamiento). El desalineamiento resulta en patrones de speckle desplazados o distorsionados, lo cual puede cuantificarse mediante correlación cruzada.

Contribuciones y Resultados Clave

• Procedimiento de Alineación Escalable: Los autores demuestran un método robusto y semiautomático para alinear múltiples SLMs con precisión a nivel de píxel. El algoritmo converge en aproximadamente 5 iteraciones (menos de un minuto) y es insensible al desenfoque, siempre que la alineación manual inicial esté dentro de la profundidad de campo.
• Multiplexado Espacial de Alta Densidad: La configuración alineada soporta exitosamente una cuadrícula de $10 \times 10$ de ROI independientes, cada una de $64 \times 64$ píxeles, proporcionando más de $4 \times 10^5$ grados de libertad espaciales. Esto permite el procesamiento simultáneo de 100 entradas.
• Aceleración del Entrenamiento: Al utilizar el multiplexado espacial, el tiempo de entrenamiento para una DNN se reduce de aproximadamente 4 días (procesando una imagen a la vez) a alrededor de 1 hora para 10 épocas en una red de 3 capas. Esto hace viable el entrenamiento de DNN ópticas en el espectro visible dentro de los plazos estándar de laboratorio.
• Reducción de Ruido: El esquema de multiplexado espacial actúa como un mecanismo de promediado de ruido. Los autores muestran que el error cuadrático medio (MSE) disminuye a medida que aumenta el número de ROI promediadas, siguiendo una tendencia de $1/\sqrt{n}$, reduciendo efectivamente el ruido experimental.
• Adaptación Algorítmica: Debido al alto ruido y las reflexiones parásitas inherentes a las configuraciones ópticas de campo completo, la retropropagación estándar falla. Los autores implementan con éxito una versión supervisada del algoritmo Forward-Forward (un método sin retropropagación) combinado con una pequeña capa digital para entrenar el codificador óptico. Este enfoque logró una precisión de inferencia de aproximadamente el 85% en el conjunto de datos MNIST. Sin la alineación precisa, el sistema no podía aprender, con puntuaciones de inferencia estancadas alrededor del 30%.

Significado y Afirmaciones
El artículo afirma que este trabajo proporciona una solución práctica a los desafíos experimentales de construir redes neuronales difractivas ópticas escalables y de alta velocidad. Al permitir una conjugación precisa a nivel de píxel de múltiples moduladores, los autores demuestran que el multiplexado espacial es una estrategia viable para superar las limitaciones de tasa de refresco de los SLM. El sistema resultante funciona como una DNN óptica rápida y reconfigurable capaz de procesar cientos de entradas simultáneamente.

Los autores posicionan esta configuración no solo como un clasificador, sino como una plataforma versátil para investigar el entrenamiento de redes neuronales físicas. Destacan que el sistema imita la propagación en medios estratificados con no linealidades (introducidas por la sensibilidad a la intensidad de la cámara) e incluye ruido experimental realista. Si bien la implementación actual depende de un esquema de entrenamiento híbrido óptico-digital debido a los desafíos de la retropropagación óptica directa, los autores argumentan que esta plataforma es ideal para unir la óptica y el aprendizaje automático. Sugieren que futuras mejoras en la tecnología de moduladores (abordando la no planaridad, la diafonía y las reflexiones parásitas) podrían eventualmente conducir a un aprendizaje totalmente óptico. El propio método de alineación se señala como potencialmente útil para otras aplicaciones de conformación de frentes de onda, como el control de ondas ópticas en medios complejos, telecomunicaciones y holografía, siempre que se requiera una conjugación precisa de SLM.