What should a linear optical frontend compute? Assessing the role of meta-optics, nonlocality, and coherence in hybrid inference systems

Resumen Técnico: Evaluación del papel de la metaóptica, la no localidad y la coherencia en sistemas de inferencia híbridos

Planteamiento del problema
Los sistemas de inferencia híbridos, que combinan un frontal óptico con un backend digital, ofrecen una vía para descargar la computación hacia la capa física, lo que potencialmente reduce el consumo de energía y la latencia. Sin embargo, persisten dudas fundamentales sobre qué operaciones específicas debe realizar un frontal óptico, cuándo es beneficioso realizar dicha descarga y cómo diseñar estos sistemas de manera efectiva. Un desafío crítico es el régimen de "cuello de botella", donde un sensor de baja resolución limita la dimensionalidad de los datos transferidos al backend digital. Aunque trabajos recientes han explorado la optimización de extremo a extremo para tareas de imagen y reconstrucción, los requisitos específicos para tareas de inferencia (clasificación) bajo detección de intensidad aún no están claros. Específicamente, se desconoce si los frontales ópticos lineales pueden superar a los preprocesadores digitales lineales entrenados y qué papel juegan la coherencia y la no localidad en este contexto.

Metodología
Los autores investigan sistemas de inferencia óptico-electrónicos híbridos utilizando la tarea de clasificación de dígitos MNIST como un problema modelo. El sistema consta de un frontal óptico optimizable, un sensor de intensidad de baja resolución fijo (que actúa como cuello de botella) y un backend electrónico optimizable (un Perceptrón Multicapa).

El estudio evalúa varias configuraciones de frontal:

1. Línea base: Un sistema de solo sensor con una lente fija ideal.
2. Metasuperficie local: Una máscara de fase entrenable (respuesta local) combinada con propagación en espacio libre.
3. Filtrado no local: Una metasuperficie local aumentada con un filtro de amplitud en el espacio $k$ no local (invariante ante desplazamientos transversales).
4. Operador general: Un operador lineal idealizado y sin restricciones (modelado como una matriz compleja) que representa un metamaterial volumétrico con capacidades completas de mezcla de campos no locales.

Los autores analizan la iluminación coherente e incoherente. Derivan la relación matemática entre el campo de entrada y la lectura del sensor, observando que la detección de intensidad ($| \cdot |^2$) transforma un operador de campo lineal en un mapa cuadrático de la entrada. El estudio emplea la distancia de Bhattacharyya como una métrica de entrenamiento libre para cuantificar la separabilidad de clases en el espacio de lectura del sensor, distinguiendo entre la separabilidad por píxel y la separabilidad conjunta (consciente de la correlación).

Contribuciones clave y resultados

1. Remodelación estadística mediante correlaciones entre píxeles:
   La función principal de un frontal óptico bien diseñado es remodelar las distribuciones estadísticas de las lecturas del sensor para maximizar la separabilidad de las clases. Los autores demuestran que, para un sensor de $2 \times 2$, los frontales optimizados no necesariamente mejoran la separabilidad de los píxeles individuales. En su lugar, codifican información discriminativa en las correlaciones entre píxeles de la lectura conjunta. Las clases que son indistinguibles en una base por píxel se vuelven separables en el espacio de la distribución conjunta. La distancia de Bhattacharyya de la lectura conjunta sirve como un fuerte predictor de la precisión de clasificación posterior (correlación de rango de Spearman $\rho = 0.97$).

2. La necesidad de coherencia y no localidad para un rendimiento superlineal:

   • Características cuadráticas: Debido a que el sensor mide la intensidad, un operador de campo óptico lineal produce características que son cuadráticas respecto al campo de entrada. Estas características incluyen términos de interferencia cruzada ($u_k u_l^*$) que portan información de clase adicional.
   • Requisito de coherencia: Estos términos cruzados requieren una fase relativa determinista entre los puntos de entrada. Bajo iluminación incoherente, los términos cruzados se promedian a cero, reduciendo el sistema a un mapa puramente lineal de las intensidades de entrada. En consecuencia, los sistemas incoherentes no pueden superar el rendimiento de un preprocesador digital lineal entrenado.
   • Requisito de no localidad: Para explotar los términos cruzados, el sistema óptico debe ser no local, acoplando distintos puntos de entrada al mismo píxel del sensor. Aunque la propagación en espacio libre proporciona cierta no localidad, el estudio encuentra que añadir un filtro de amplitud en el espacio $k$ no local (por ejemplo, detección de bordes) a una metasuperficie local no mejora el rendimiento. El filtro o bien atenúa los fotones que portan la señal o reduce los pesos efectivos de los términos de interferencia.
   • Mezcla no local general: Se logran mejoras significativas de rendimiento solo cuando el frontal realiza una mezcla de campo no local general (modelada por un metamaterial volumétrico o un operador sin restricciones) bajo iluminación coherente. Esta configuración permite al sistema dirigir puntos de entrada ampliamente separados hacia un solo píxel con magnitudes y fases controladas independientemente.

3. Límites de rendimiento y el "techo cuadrático":
   Los autores establecen un límite superior empírico para el preprocesamiento óptico lineal.

   • Límite incoherente: La óptica incoherente (tanto operadores locales como generales) rinde significativamente por debajo del "techo lineal" (definido por un frontal digital lineal entrenado con pesos con signo), alcanzando aproximadamente un 71% de precisión frente al 87%. El costo de la no negatividad en la detección de intensidad limita los sistemas incoherentes.
   • Límite coherente: Las metasuperficies locales coherentes alcanzan el rendimiento del techo lineal (~80%).
   • Ventaja superlineal: Solo el operador general coherente supera el techo lineal, alcanzando aproximadamente un 93% de precisión. Esto demuestra una ventaja "superlineal" (cuadrática), probando que la no linealidad introducida por la detección de intensidad, cuando se combina con la mezcla no local coherente, proporciona un recurso computacional no disponible para los preprocesadores digitales lineales.

4. El régimen de cuello de botella:
   Las ventajas de la óptica no local coherente se concentran en el régimen de cuello de botella del sensor (tamaños de sensor pequeños, por ejemplo, $N \le 2$). A medida que el tamaño del sensor aumenta, el sistema captura suficiente separabilidad inherente como para que la capacidad del frontal óptico de separar aún más las clases se sature, convirtiéndose el backend digital en el factor limitante.

Significado y afirmaciones
El artículo afirma proporcionar conocimientos físicos y nuevos principios de diseño para sistemas de inferencia óptico-electrónicos óptimos. Sus conclusiones centrales son:

• Inferencia vs. Imagen: Existe una dicotomía fundamental entre la inferencia y la imagen. Para la reconstrucción de imágenes bajo detección de intensidad, el óptico óptimo es un elemento de enfoque no mezclador (enfoque generalizado). Para la inferencia, el óptico óptimo es un elemento mezclador, no local y coherente. El "cuello de botella de la intensidad" que limita la reconstrucción se convierte en un recurso computacional para la clasificación al permitir el acceso a características cuadráticas.
• Principios de diseño: Para maximizar la precisión de la inferencia en el régimen de cuello de botella, los frontales ópticos deben diseñarse para maximizar la separabilidad conjunta y consciente de la correlación (cuantificada por la distancia de Bhattacharyya) de las distribuciones de lectura.
• Implicaciones prácticas: Aunque el "operador general" es un límite idealizado, los resultados sugieren que los futuros metamateriales volumétricos o la metaóptica no local, cuando operan bajo iluminación coherente, podrían expandir sustancialmente las capacidades del preprocesamiento óptico analógico. Los autores proponen que optimizar el frontal óptico utilizando un objetivo de separabilidad libre de entrenamiento podría ser una alternativa más eficiente a la co-optimización completa de extremo a extremo.

El trabajo no pretende haber construido un metamaterial volumétrico físico que alcance el límite del 93%, sino que lo utiliza como un límite teórico para demostrar el potencial de la mezcla no local coherente. Enfatiza que los procesadores de metasuperficie actuales de "luz natural" (incoherentes) están fundamentalmente limitados a un mapeo de intensidad lineal y no pueden acceder a las ganancias de rendimiento superlineales disponibles para los sistemas coherentes.