Dynamic Coherent Diffractive Imaging Using Only a Support Constraint in the Complex Plane

Sintesi Tecnica: Imaging Diffrattivo Coerente Dinamico Utilizzando Solo un Vincolo di Supporto nel Piano Complesso

Enunciato del Problema
La caratterizzazione quantitativa di campioni sottili, trasparenti e variabili nel tempo rappresenta una sfida persistente nella metrologia. I metodi interferometrici tradizionali richiedono ambienti stabili e multiple esposizioni, mentre l'Imaging Diffrattivo Coerente (CDI) standard assume tipicamente un oggetto stazionario. Estendere il CDI a campioni dinamici richiede solitamente priori complessi, come strutture di riferimento progettate, modelli di moto espliciti o vincoli appresi basati sui dati. Questo articolo affronta il problema della ricostruzione di un oggetto di fase variabile nel tempo a partire da un filmato di diffrazione in campo vicino, utilizzando priori minimi, evitando specificamente la necessità di un'apertura di fase esplicita anche quando la fase accumulata supera ampiamente $2\pi$.

Metodologia
Gli autori propongono un framework basato su un prior di incremento temporale limitato sulla dinamica del campione, operante sotto l'approssimazione di film sottile con illuminazione coerente spazialmente.

1. Parametrizzazione Moltiplicativa Inter-frame:
   Invece di ricostruire ogni frame $\psi(x, y, t)$ indipendentemente, l'evoluzione del campo è parametrizzata da fattori di aggiornamento moltiplicativi inter-frame, $\Delta\psi(x, y, t)$. Il campo al tempo $t + \Delta t$ è espresso come $\psi(t + \Delta t) = \psi(t) \cdot \Delta\psi(t)$. Questo trasforma la ricostruzione in un problema di fattibilità per la sequenza di fattori $\Delta\psi$.

2. Vincolo a Settore Circolare (Dominio Oggetto):
   Il prior fondamentale è un limite sul tasso di variazione della lunghezza del percorso ottico (OPL) del campione. Questo limite fisico si traduce in un vincolo sull'incremento di fase inter-frame, $|\Delta\phi| \leq \alpha/2$. Combinato con una condizione di passività (il campione non può amplificare il campo, quindi $|\Delta\psi| \leq 1$), i valori ammissibili per ogni pixel di $\Delta\psi$ sono confinati in un settore circolare nel piano complesso.

   • Questo vincolo generalizza il classico vincolo di non-negatività (un settore degenere sull'asse reale).
   • Crucialmente, poiché ogni incremento è limitato entro $(-\pi, \pi)$, l'intera traiettoria di fase è recuperata mediante integrazione sequenziale di questi piccoli incrementi, risolvendo automaticamente gli avvolgimenti di fase senza algoritmi di apertura espliciti.

3. Vincolo nel Dominio di Misura:
   Il secondo vincolo impone la coerenza con il filmato di intensità di diffrazione registrato. Un proiettore nel dominio di misura sostituisce l'ampiezza calcolata del campo propagato con l'ampiezza misurata, mantenendo la fase (proiezione di ampiezza Gerchberg–Saxton–Fienup).

4. Algoritmo di Ricostruzione:
   Il problema è risolto come un problema di fattibilità utilizzando metodi di proiezione alternata con riflessioni (Relaxed-Reflect-Reflect e Relaxed Averaged Alternating Reflections) per gestire la non convessità del vincolo di misura.

   • Fase 1: Ricostruisce il campo di sonda statico (condizione iniziale) dal primo frame.
   • Fase 2: Ricostruisce i fattori inter-frame $\Delta\psi$ in un passaggio in avanti (integrando da $t=0$) e in un passaggio all'indietro (integrando da $t=J$). La stima finale combina i passaggi in avanti e all'indietro per bilanciare l'accumulo di errore direzionale.

Contributi Chiave

• Prior Minimalista: L'articolo dimostra che un singolo prior motivato fisicamente (incremento temporale limitato) è sufficiente per ricostruire oggetti di fase dinamici senza regolarizzatori spaziali (ad es. variazione totale, flusso ottico) o priori appresi.
• Apertura di Fase Automatica: Recuperando la traiettoria attraverso l'integrazione di incrementi limitati, il metodo gestisce intrinsecamente le fasi accumulate che coprono molti cicli $2\pi$, eliminando la necessità di un'apertura di fase esplicita.
• Generalizzabilità: Il framework è applicato senza modifiche sia a dinamiche sintetiche calibrate (SLM) sia a processi foto-chimici reali e sconosciuti.

Risultati Sperimentali
L'approccio è stato validato in tre scenari distinti:

1. Dinamiche di Reazione-Diffusione (SLM): È stata ricostruita una pattern di fase in espansione spaziale. Gli incrementi inter-frame recuperati e la traiettoria di fase integrata hanno mostrato una buona concordanza con la verità fondamentale, risolvendo il fronte propagante delle specie chimiche.
2. Dinamiche di Crescita Pura (SLM): È stato ricostruito un supporto spaziale fisso con una fase che cresce monotonicamente fino a $10\pi$. Il metodo ha recuperato con successo i valori di fase e il pattern spaziale, confermando la capacità di gestire grandi fasi accumulate senza apertura. Sono stati osservati lievi artefatti ad anelli concentrici dovuti all'accumulo di errore nel tempo.
3. Stampa 3D Foto-polimerica In-situ: Il framework è stato applicato per monitorare un processo di foto-polimerizzazione sotto luce blu strutturata. La traiettoria di fase, che rappresenta l'evoluzione spazio-temporale dell'indice di rifrazione, è stata recuperata quantitativamente. I risultati hanno tracciato l'espansione della regione polimerizzata e la crescita dell'entità della fase, fornendo un osservabile diretto per il processo di stampa.

Significato e Affermazioni
Gli autori affermano che la separazione dell'accoppiamento spaziale (gestito dal modello forward di diffrazione di Fresnel) e dell'accoppiamento temporale (gestito dalla parametrizzazione inter-frame e dal vincolo a settore circolare) permette una ricostruzione efficace con pochissimi priori.

L'articolo sostiene che questo approccio offra uno strumento pratico per l'identificazione di sistemi foto-chimici. La traiettoria di fase recuperata funge da osservabile quantitativo dell'evoluzione spazio-temporale dell'indice di rifrazione, che può essere utilizzata per adattare i parametri cinetici delle equazioni di reazione-diffusione che governano la polimerizzazione. Gli autori notano che, sebbene l'accumulo di errore su sequenze lunghe sia una limitazione, il metodo fornisce una linea di base robusta per l'imaging dinamico che non richiede dati di addestramento complessi o strutture di riferimento progettate. Il lavoro suggerisce che i vincoli di supporto limitati nel piano complesso forniscono da soli una regolarizzazione temporale sufficiente per il CDI dinamico.