🔬 optics

Second-harmonic generation for enhancing the performance of diffractive neural networks

यह शोध पत्र संख्यात्मक रूप से प्रदर्शित करता है कि यदि द्वितीय-हार्मोनिक जनरेशन (SHG) को एक ऑप्टिकल नॉन-लिनियरिटी के रूप में शामिल किया जाए, तो यह विवर्तनिक न्यूरल नेटवर्क (डिफ्रैक्टिव न्यूरल नेटवर्क) की वर्गीकरण सटीकता और कंट्रास्ट को महत्वपूर्ण रूप से बढ़ा सकता है, बशर्ते कि SHG परतों को रणनीतिक रूप से स्थित किया जाए और प्रयोगात्मक बाधाओं का समाधान किया जाए।

मूल लेखक: Marie Braasch, Anna Kartashova, Elena Goi, Thomas Pertsch, Sina Saravi

प्रकाशित 2026-03-27

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Marie Braasch, Anna Kartashova, Elena Goi, Thomas Pertsch, Sina Saravi

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आपके पास एक सुपर-फास्ट, प्रकाश-शक्ति से चलने वाला कंप्यूटर है जो प्रकाश की किरणों को मोड़कर और आकार देकर समस्याओं को हल करता है, ठीक वैसे ही जैसे एक कैलीडोस्कोप (kaleidoscope) काम करता है। इसे डिफ्रैक्टिव न्यूरल नेटवर्क (DNN) कहा जाता है। इसे बहुत तेज़ और ऊर्जा-कुशल होने के लिए डिज़ाइन किया गया है, जो चेहरे पहचानने या हस्तलिखित नोट्स पढ़ने जैसे कार्यों के लिए एकदम सही है।

लेकिन, इस प्रकाश-कंप्यूटर के साथ एक बड़ी समस्या है: यह बहुत अधिक लीनियर (रैखिक) है।

समस्या: "सीधी रेखा" वाला कंप्यूटर

एक मानक इलेक्ट्रॉनिक कंप्यूटर (जैसे आपका फोन) के बारे में सोचें, जो एक ऐसे शेफ की तरह है जो सामग्रियों को जटिल तरीकों से काट सकता है, मिला सकता है, तल सकता है और मसाले डाल सकता है। वह गैर-रेखीय (non-linear) कार्यों को संभाल सकता है (जैसे यह तय करना कि रंग, गंध और स्पर्श के मिश्रण के आधार पर टमाटर पका है या नहीं)।

आपका प्रकाश-कंप्यूटर दूसरी ओर, एक ऐसे शेफ की तरह है जो केवल सामग्रियों को एक के ऊपर एक रख (stack) सकता है। वह प्रकाश तरंगों को एक दूसरे के ऊपर परत दर परत रख तो सकता है, लेकिन उन्हें जटिल तरीके से "मिला" नहीं सकता। गणितीय शब्दों में, प्रकाश आमतौर पर केवल जुड़ता है। बिना डेटा को "मिलाने" या "मोड़ने" के तरीके के, कंप्यूटर जटिल पैटर्न नहीं सीख सकता। यह रूबिक क्यूब (Rubik's Cube) को केवल सीधी रेखाओं में टुकड़ों को खिसकाकर हल करने की कोशिश करने जैसा है; आप इसे कभी सही नहीं कर पाएंगे।

इसे ठीक करने के लिए, वैज्ञानिकों को एक "नॉन-लीनियर" चरण जोड़ने की आवश्यकता है—एक ऐसा तरीका जिससे प्रकाश एक आश्चर्यजनक, टेढ़े-मेढ़े (squiggly) तरीके से व्यवहार करे।

समाधान: "जादुई दर्पण" (सेकंड-हारमोनिक जनरेशन)

लेखकों ने सेकंड-हारमोनिक जनरेशन (SHG) नामक एक तरकीब का प्रस्ताव दिया है।

कल्पना कीजिए कि आपके पास लाल प्रकाश की एक किरण ( $\omega$ फ्रीक्वेंसी) है। जब आप इस प्रकाश को एक विशेष क्रिस्टल (जिसे "जादुई दर्पण" कहा जाता है) के माध्यम से गुजारते हैं, तो कुछ जादुई होता है: क्रिस्टल दो लाल फोटॉन को आपस में टकराकर एक नीला फोटॉन ( $2\omega$ फ्रीक्वेंसी) बना देता है।

कंप्यूटर की भाषा में, यह एक वर्गाकार (squaring) फंक्शन है। यदि प्रकाश की तीव्रता कम है, तो आउटपुट बहुत कम होगा। यदि प्रकाश मजबूत है, तो आउटपुट बहुत अधिक शक्तिशाली होगा। यह "वर्गाकार" प्रभाव वह नॉन-लिनियरिटी है जिसकी कंप्यूटर को मानव मस्तिष्क की तरह सोचने के लिए आवश्यकता है।

बड़ी खोज: सब कुछ इस पर निर्भर है कि आप दर्पण कहाँ रखते हैं

शोधकर्ताओं ने केवल क्रिस्टल ही नहीं जोड़ा; उन्हें यह भी पता लगाना था कि प्रकाश को मोड़ने वाली परतों की श्रृंखला में इसे कहाँ रखना है। उन्होंने अलग-अलग स्थानों का परीक्षण किया, जैसे कि शुरुआत में एक फिल्टर रखना, बिल्कुल अंत में, या बीच में कहीं।

यहाँ उन्हें क्या मिला, एक सरल उपमा का उपयोग करते हुए:

गलत जगह (बहुत जल्दी वाला जाल): यदि आप जादु적인 दर्पण को बिल्कुल शुरुआत में रखते हैं, इससे पहले कि प्रकाश व्यवस्थित हो सके, तो यह एक बुली (bully) की तरह व्यवहार करता है। यह छवि के सूक्ष्म विवरणों (हाई-फ्रीक्वेंसी जानकारी) को कुचल देता है और केवल बड़े, धुंधले आकारों को ही गुजरने देता है। यह एक किताब को इतनी जोर से सिकोड़कर देखने जैसा है कि आप केवल अक्षरों के काले धब्बे देखते हैं, शब्द नहीं। परिणाम: कंप्यूटर और भी बेवकूफ हो जाता है।
सही जगह (द स्वीट स्पॉट): जादुई दर्पण रखने की सबसे अच्छी जगह वह है जो कुछ संगठन की परतों से गुजरने के बाद हो लेकिन अंतिम डिटेक्टर से टकराने से पहले हो।
- कल्पना कीजिए कि प्रकाश दर्पणों की एक भूलभुलैया (लीनियर लेयर्स) से होकर गुजरा है और इसने एक स्पष्ट चित्र बनाना शुरू कर दिया है।
- अब, आप उस पर जादुई दर्पण का प्रहार करते हैं। क्योंकि चित्र पहले से ही कुछ हद तक बन चुका है, इसलिए "वर्गाकार" प्रभाव एक हाइलाइटर पेन की तरह काम करता है। यह सही उत्तर (सही क्लास) को अविश्वसनीय रूप से चमकीला बना देता है, जबकि गलत उत्तरों को पृष्ठभूमि में फीका कर देता है।
- परिणाम: कंप्यूटर बहुत अधिक सटीक, तेज और शोर (noise) को अनदेखा करने में बेहतर हो जाता है।

यह क्यों महत्वपूर्ण है

बेहतर दृष्टि: उन परीक्षणों में जहाँ कंप्यूटर को हस्तलिखित नंबरों (जैसे "7" बनाम "1") या फैशन की वस्तुओं (जैसे "जूते" बनाम "शर्ट") को पहचानना था, जादुई दर्पण को सही जगह पर लगाने से सटीकता में उल्लेखनीय वृद्धि हुई।
कोई समझौता नहीं: आमतौर पर, इन प्रणालियों में, यदि आप कंप्यूटर को अधिक सटीक बनाते हैं, तो वह अधिक "शोर वाला" (समान वस्तुओं के बीच अंतर करना कठिन) हो जाता है। इस नई विधि ने सटीकता और स्पष्टता दोनों को एक साथ सुधारा।
ऊर्जा कुशल: अन्य विधियों के विपरीत जिनमें काम करने के लिए भारी मात्रा में लेजर पावर की आवश्यकता होती है, यह विधि अपेक्षाकृत कम पावर के साथ भी काम करती है, बशर्ते अंत में एक संवेदनशील डिटेक्टर मौजूद हो।

एक बाधा (वास्तविक दुनिया की चुनौती)

एक पेचीदा बात है। जादुई दर्पण के पूर्ण रूप से काम करने के लिए, क्रिस्टल के भीतर प्रकाश की किरण को पूरी तरह से सीधा रहना चाहिए और फैलना नहीं चाहिए (डिफ्रैक्ट नहीं होना चाहिए)।

यदि क्रिस्टल बहुत लंबा है, तो प्रकाश फैल जाएगा और आपस में मिल जाएगा, जिससे "वर्गाकार" प्रभाव खराब हो जाएगा।
यदि क्रिस्टल बहुत छोटा है, तो आपको पता लगाने के लिए पर्याप्त नीला प्रकाश नहीं मिलेगा।

लेखकों ने गणना की और एक "गोल्डिलॉक्स ज़ोन" (Goldilocks zone) पाया। उन्होंने गणना की कि एक मानक 1-वाट लेजर के साथ, वे पर्याप्त सिग्नल उत्पन्न कर सकते हैं जिसे मानक कैमरों द्वारा पहचाना जा सके, बशर्ते वे लगभग 3 से 9 मिलीमीटर लंबा क्रिस्टल उपयोग करें।

निष्कर्ष

यह शोध पत्र ऑप्टिकल कंप्यूटरों की अगली पीढ़ी बनाने के लिए एक रोडमैप है। यह हमें बताता है कि हम प्रकाश-आधारित AI को स्मार्ट बना सकते हैं, लेकिन हमें इस बात पर बहुत ध्यान देना होगा कि हम "जादू" वाले हिस्से को कहाँ रखते हैं। जादुई हिस्से को एकदम सही स्थान पर रखकर, हम एक साधारण प्रकाश-मोड़ने वाले यंत्र को एक शक्तिशाली, उच्च-गति वाले मस्तिष्क में बदल सकते हैं जो दुनिया को अविश्वसनीय स्पष्टता के साथ देखता है।

1. समस्या विवरण (Problem Statement)

डिफ्रैक्टिव न्यूरल नेटवर्क (DNNs) फोटोनिक आर्टिफिशियल इंटेलिजेंस के लिए एक आशाजनक दृष्टिकोण हैं, जो मशीन विज़न जैसे कार्यों के लिए कम बिजली की खपत और उच्च-गति प्रसंस्करण (high-speed processing) प्रदान करते हैं। हालाँकि, एक महत्वपूर्ण सीमा उनकी पूर्ण क्षमता में बाधा डालती है: प्रभावी ऑल-ऑप्टिकल नॉनलीनियर एक्टिवेशन फंक्शन का अभाव।

प्रकाश का प्रसार (propagation) स्वाभाविक रूप से रैखिक (linear) होता है, जिसका अर्थ है कि नॉनलिनैरिटी के बिना DNNs जटिल गणनाओं के लिए आवश्यक "गहराई" (depth) प्राप्त नहीं कर सकते (जो कि एक सिंगल-लेयर परसेप्ट्रॉन के समकक्ष है)।
मौजूदा ऑल-ऑप्टिकल नॉनलिनैरिटीज (जैसे फोटोरेफ्रैक्टिव प्रभाव, सैचुरेबल एब्जॉर्प्शन) अक्सर उच्च विलंबता (latency), उच्च बिजली आवश्यकताओं या स्केलेबिलिटी संबंधी समस्याओं से ग्रस्त होती हैं।
जबकि पैरामीट्रिक नॉनलीनियर प्रक्रियाएं (जैसे $\chi^{(2)}$ इंटरैक्शन) तात्कालिक प्रतिक्रिया और लचीलापन प्रदान करती हैं, उन्हें आमतौर पर उच्च तीव्रता की आवश्यकता होती है या वे "डिप्लीटेड" (depleted) शासन में कार्य करती हैं, जिन्हें उन डिफ्रैक्टिव सिस्टम में लागू करना कठिन है जहाँ प्रकाश व्यापक क्षेत्रों में फैला हुआ होता है।

लेखक अनडिप्लीटेड रिजीम (undepleted regime) में सेकंड-हारमोनिक जनरेशन (SHG) के उपयोग की व्यवहार्यता की जांच करने का लक्ष्य रखते हैं, ताकि अत्यधिक शक्ति स्तरों या जटिल वेवगाइड एकीकरण की आवश्यकता के बिना DNN प्रदर्शन को बढ़ाया जा सके।

2. कार्यप्रणाली (Methodology)

यह अध्ययन एकीकृत SHG परतों के साथ DNNs को मॉडल करने के लिए संख्यात्मक सिमुलेशन (numerical simulations) का उपयोग करता है।

आर्किटेक्चर (Architecture):
- इनपुट: एम्प्लीट्यूड-एनकोडेड चित्र (जैसे, MNIST, Fashion-MNIST, EMNIST)।
- लीनियर लेयर्स: प्रकीर्णन (free-space propagation) द्वारा अलग किए गए कैस्केडेड फेज-मॉड्यूलेशन मास्क (जो न्यूरॉन्स के रूप में कार्य करते हैं), जिसे रेले-सोमरफेल्ड डिफ्रैक्शन (Rayleigh-Sommerfeld diffraction) के माध्यम से मॉडल किया गया है।
- नॉनलीनियर लेयर: एक $\chi^{(2)}$ क्रिस्टल जो एक पॉइंटवाइज ट्रांसफॉर्मेशन करता है: $E_{2\omega}(x,y) \propto E_{\omega}^2(x,y)$ । यह इलेक्ट्रिक फील्ड को स्क्वायर करता है, जिससे एक क्वाड्रेटिक नॉनलिनैरिटी उत्पन्न होती है।
- फ्रीक्वेंसी हैंडलिंग: क्रिस्टल से पहले के ऑपरेशन फ्रीक्वेंसी $\omega$ पर होते हैं; क्रिस्टल के बाद के ऑपरेशन $2\omega$ पर होते हैं। यह माना गया है कि स्पेक्ट्रल फिल्टरिंग डिटेक्टर पर फंडामेंटल फ्रीक्वेंसी को ब्लॉक कर देती है।
ट्रेनिंग (Training):
- फेज मॉड्यूलेशन लेयर्स को स्पार्स कैटेगोरिकल क्रॉस-एंट्रॉपी लॉस फंक्शन के साथ एडम ऑप्टिमाइज़र (Adam optimizer) का उपयोग करके अनुकूलित किया जाता है।
- विभिन्न कॉन्फ़िगरेशन में निष्पक्ष तुलना के लिए मापदंडों (मैग्निफिकेशन, लेयर डिस्टेंस) को बायेसियन ऑप्टिमाइज़र (Bayesian optimizer) का उपयोग करके फाइन-ट्यून किया जाता है।
प्रायोगिक बाधाओं का मॉडलिंग (Experimental Constraints Modeling):
- लेखक डिफ्रैक्शन (diffraction) और कन्वर्जन एफिशिएंसी के बीच के ट्रेड-ऑफ का विश्लेषण करते हैं। पॉइंटवाइज सन्निकटन ( $E^2$ ) को बनाए रखने के लिए, क्रिस्टल इतना छोटा होना चाहिए कि बीम के ट्रांसवर्स मिक्सिंग को रोका जा सके (रेले लेंथ $z_R \gg L$ )।
- अपर्चर लॉस (उच्च स्थानिक आवृत्तियों का अवरुद्ध होना) और फोकसिंग एफिशिएंसी को ध्यान में रखते हुए आउटपुट पावर का अनुमान लगाया जाता है।

3. मुख्य योगदान (Key Contributions)

नॉनलिनैरिटी का रणनीतिक प्लेसमेंट: यह शोध पत्र पहचानता है कि SHG लेयर की स्थिति (position) प्रदर्शन के लिए सबसे महत्वपूर्ण कारक है। अंतिम फेज मास्क के तुरंत बाद (बिना प्रोपेगेशन के) या सीधे इनपुट पर SHG लेयर रखने से प्रदर्शन अक्सर खराब हो जाता है।
एक्यूरेसी-कॉन्ट्रास्ट ट्रेड-ऑफ को तोड़ना: आमतौर पर, DNNs क्लासिफिकेशन एक्यूरेसी और क्लास कॉन्ट्रास्ट (सही क्लास में सिग्नल और अन्य के बीच का अनुपात) के बीच एक ट्रेड-ऑफ का सामना करते हैं। लेखक प्रदर्शित करते हैं कि SHG दोनों मेट्रिक्स को एक साथ सुधार सकता है।
व्यवहार्यता विश्लेषण: यह कार्य एक यथार्थवादी पावर बजट अनुमान प्रदान करता है, जो दिखाता है कि अनडिप्लीटेड रिजीम और डिफ्रैक्शन सीमाओं के बावजूद, मध्यम इनपुट पावर (जैसे, 1 W) का उपयोग करके आउटपुट सिग्नल मानक फोटो-डिटेक्टर्स के साथ पता लगाने योग्य है।
सामान्यीकरण (Generalization): निष्कर्षों को सिंगल-लेयर और मल्टी-लेयर (4-लेयर) आर्किटेक्चर और कई डेटासेट्स (MNIST डिजिट्स, Fashion-MNIST, EMNIST लेटर्स) में मान्य किया गया है।

4. मुख्य परिणाम (Key Results)

इष्टतम कॉन्फ़िगरेशन (Optimal Configuration): सर्वोत्तम प्रदर्शन तब प्राप्त होता है जब SHG लेयर को अंतिम फेज मॉड्यूलेशन लेयर के बाद एक प्रोपेगेशन डिस्टेंस के बाद रखा जाता है (सिंगल-लेयर सेटअप में पोजीशन 3, मल्टी-लेयर सेटअप में पोजीशन 5)।
- सिंगल-लेयर (MNIST Digits): एक्यूरेसी लीनियर (91.3%) से बढ़कर SHG के साथ 95.2% हो गई। क्लास कॉन्ट्रास्ट 31% से सुधरकर 54% हो गया।
- मल्टी-लेयर (Fashion-MNIST): एक्यूरेसी 84.2% से बढ़कर 85.7% हो गई। क्लास कॉन्ट्रास्ट 38.1% से काफी सुधरकर 60.5% हो गया।
हानिकारक प्लेसमेंट: SHG लेयर को सीधे इनपुट पर या पहले फेज मास्क के तुरंत बाद (मध्यवर्ती प्रोपेगेशन के बिना) रखने से एक्यूरेसी लीनियर बेसलाइन से भी कम हो गई। इसका कारण यह है कि स्क्वायरिंग प्रक्रिया फूरियर ट्रांसफॉर्म के लो-फ्रीक्वेंसी घटकों को बढ़ा देती है जबकि आकार पहचान (shape recognition) के लिए आवश्यक हाई-फ्रीक्वेंसी जानकारी को दबा देती है।
पावर एफिशिएंसी:
- 1 W की इनपुट पावर के लिए, अनुमानित डिटेक्टेड आउटपुट पावर (लॉस और फोकसिंग के बाद) क्रिस्टल की लंबाई और फीचर साइज के आधार पर 0.5 nW से 1.4 nW के बीच रहती है।
- सिग्नल की यह ताकत मानक फोटो-डिटेक्टर्स द्वारा पहचान के लिए पर्याप्त है, जो इस अवधारणा की व्यवहार्यता को सिद्ध करती है।

5. महत्व और निष्कर्ष (Significance and Conclusion)

यह शोध पत्र सेकंड-हारमोनिक जनरेशन का उपयोग करके ऑल-ऑप्टिकल नॉनलीनियर DNNs को लागू करने के लिए एक व्यवहार्य मार्ग स्थापित करता है।

सैद्धांतिक प्रभाव: यह प्रदर्शित करता है कि एक सरल क्वाड्रेटिक नॉनलिनैरिटी (SHG) डिफ्रैक्टिव नेटवर्क की "गहराई" और कम्प्यूटेशनल शक्ति को बढ़ाने के लिए पर्याप्त है, जो इस धारणा को चुनौती देता है कि इसके लिए जटिल नॉनलिनैरिटीज की आवश्यकता होती है।
व्यावहारिक प्रभाव: अनडिप्लीटेड रिजीम में काम करके, यह सिस्टम उच्च-तीव्रता वाले लेजर या नैनोस्ट्रक्चर्ड वेवगाइड्स की आवश्यकता को समाप्त करता है, जिससे यह बल्क ऑप्टिक्स और मेटासरफेस के अनुकूल बनता है।
भविष्य की संभावनाएं: लेखक सुझाव देते हैं कि हालांकि एक एकल SHG लेयर की यूनिवर्सल एप्रोक्सिमेशन में सीमाएं हैं, लेकिन कई SHG लेयर्स को जोड़ने (संभावित रूप से नॉनलीनियर मेटासरफेस का उपयोग करके) से अत्यधिक कुशल ऑप्टिकल न्यूरल नेटवर्क बनाए जा सकते हैं जो विशिष्ट मशीन विज़न कार्यों के लिए इलेक्ट्रॉनिक समकक्षों की तुलना में गति और ऊर्जा दक्षता में बेहतर प्रदर्शन कर सकते हैं।

संक्षेप में, यह कार्य सिद्ध करता है कि SHG एक व्यवहार्य, कुशल और अत्यधिक प्रभावी नॉनलीनियर एक्टिवेशन फंक्शन है, बशर्ते कि नॉनलिनैरिटी लागू करने से पहले ऑप्टिकल प्रोपेगेशन के लिए लेयर को सही ढंग से स्थित किया जाए।