All-optical Edge Computing for Speckle Sensing Interrogation

Resumen Técnico: Computación en el Borde Todo-Óptica para Interrogación de Sensado por Speckle

Enunciado del Problema
El sensado basado en speckle aprovecha los patrones espaciales de intensidad de alta dimensión generados por interferencias complejas para codificar información ambiental. Sin embargo, los métodos de interrogación tradicionales dependen de la adquisición basada en cámaras, seguida de digitalización electrónica y procesamiento digital posterior. Esta cadena introduce latencia significativa y cuellos de botella de ancho de banda, restringiendo la resolución temporal e impidiendo la operación en tiempo real. La carga de datos escala con el número de píxeles de la cámara en lugar de con la complejidad de la tarea de sensado, creando cargas computacionales que dificultan el seguimiento de cambios rápidos y dinámicos. Aunque existen alternativas como la visión basada en eventos, persiste una necesidad crítica de arquitecturas de interrogación que operen a altos anchos de banda sin depender de las cadenas de adquisición de imágenes completas convencionales.

Metodología
Los autores proponen una plataforma de computación en el borde todo-óptica que realiza cálculos específicos de la tarea directamente en el dominio óptico, evitando la necesidad de captura de imágenes de campo completo. El núcleo del sistema consiste en proyectar el patrón de speckle de salida sobre un Dispositivo de Microespejos Digitales (DMD), que actúa como una capa óptica programable.

• Arquitectura Óptica: El campo de speckle se amplifica y proyecta sobre el DMD. Para manejar la restricción de no negatividad de los pesos del DMD, el haz se divide y las mitades complementarias del campo ponderado se enrutan a dos fotodetectores distintos. El sistema realiza una medición diferencial ($\Delta I = I_+ - I_-$), donde la detección de ley cuadrática combinada con interferencia óptica produce una proyección no lineal de la información codificada.
• Estrategia de Optimización: Dado que la relación entre los estímulos físicos y los patrones de speckle es compleja y sensible a imperfecciones, el sistema emplea un procedimiento de entrenamiento in-situ libre de modelos. Se utiliza una estrategia de optimización evolutiva en dos pasos:
  1. Algoritmo Genético (GA): Realiza una exploración global del espacio de máscaras para encontrar una máscara gruesa que maximice la potencia de la señal en las frecuencias objetivo mientras suprime las demás.
  2. Método de Entropía Cruzada (CEM): Ajusta finamente los parámetros de la máscara basándose en la salida del GA para mejorar aún más la relación señal-ruido (SNR) y suprimir la diafonía.
• Bucle de Entrenamiento: La optimización depende exclusivamente de la retroalimentación del voltaje del detector diferencial. Se minimiza una función de pérdida basada en el inverso de la relación SNR para entrenar las máscaras del DMD a aislar eventos de sensado específicos sin requerir un modelo físico explícito de la propagación del speckle.

Contribuciones Clave

• Marco de Computación en el Borde Todo-Óptica: El artículo presenta un marco general para comprimir y procesar información de ondas de alta dimensión en la capa física, desplazando la proyección de modos al dominio óptico para producir señales de lectura alineadas directamente con la tarea de sensado.
• Entrenamiento In-Situ Libre de Modelos: La introducción de un algoritmo genético y un método de entropía cruzada para programar elementos ópticos reconfigurables utilizando únicamente retroalimentación del detector, evitando la necesidad de modelar explícitamente la propagación óptica compleja.
• Desacoplamiento de Señales Multi-punto: La demostración de un sistema capaz de resolver independientemente perturbaciones concurrentes aplicadas en posiciones distintas a lo largo de una fibra óptica multimodo.

Resultados
El sistema se validó mediante una tarea de sensado de fibra óptica multi-punto donde tres actuadores piezoeléctricos perturbaron simultáneamente la fibra en diferentes ubicaciones.

• Separación de Señales: Las máscaras espaciales optimizadas desacoplaron con éxito señales concurrentes. El sistema logró una mejora de señal objetivo superior a +4 dB (indicando que la energía de la señal reconstruida fue al menos el doble de la energía residual) mientras suprimía la fuga de diafonía por debajo de -10 dB (menos de una décima parte de la energía residual).
• Operación en Tiempo Real: El sistema operó con anchos de banda limitados únicamente por los fotodetectores, separando con éxito señales en el rango audible (hasta ~8 kHz). Los autores señalan que el techo de ancho de banda en este experimento específico se debió principalmente al acoplamiento mecánico de las vibraciones a la fibra y no al marco óptico o computacional.
• Validación Cuantitativa: Una matriz de SNR cruzada basada en espectrogramas confirmó una fuerte dominancia diagonal, demostrando que el sistema aísla eficazmente las perturbaciones objetivo de una mezcla de señales concurrentes.

Significado y Afirmaciones
El artículo afirma que este enfoque establece un marco general para la computación en el borde óptica en el sensado basado en speckle, demostrando cómo la información de ondas de alta dimensión puede procesarse en la capa física para habilitar el sensado en tiempo real y ultrarrápido. Al evitar el cuello de botella de la cámara, el sistema produce señales eléctricas de baja dimensión y alineadas con la tarea, disponibles inmediatamente como voltajes analógicos de alto ancho de banda, listos para la interfaz directa con hardware aguas abajo.

Los autores posicionan este trabajo como un cambio de paradigma alejándose del procesamiento centrado en la nube, que está cada vez más limitado por las tasas de datos. Afirman que esta solución abre nuevas oportunidades para el sensado adaptativo de alta velocidad en fibra óptica, imágenes y sistemas de percepción basados en ondas. Si bien la demostración actual se centra en el sensado acústico de fibra, los autores sugieren que los principios se extienden naturalmente a otras tareas donde la información está codificada en patrones de interferencia de alta dimensión, como la discriminación de partículas o la clasificación de defectos, siempre que las máscaras ópticas se entrenen para responder selectivamente a clases específicas. El trabajo enfatiza que las capacidades demostradas están limitadas por la configuración mecánica en el experimento actual, y no por los límites fundamentales del marco de entrenamiento o del hardware óptico.