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

技術概要：高速回折ニューラルネットワークのための非焦点空間光変調器の整列に関する実践的ガイド

問題提起
光回折ニューラルネットワーク（DNN）は、光の速度と全視野光学の並列処理能力を活用することで、機械学習の加速とエネルギー消費の削減を実現する道筋を提供する。しかし、これらのシステムの訓練には重大なボトルネックが存在する。空間光変調器（SLM）の低い更新レートが、データ取得および処理の速度を制限しているからである。空間多重化（SLM上の異なる関心領域（ROI）に複数の入力画像を同時に表示すること）は、理論的には訓練を桁違いに加速できるが、重要な実験的課題をもたらす。多重化が機能するためには、すべての並列チャネルが完全に同一の物理的操作を実行しなければならない。これには、振幅変調器と位相変調器などの連続する変調器の間で、極めて高精度なピクセルレベルの共役が求められる。波長が可視域に短くなるにつれ、機械的な誤整列に対する許容度は低下し、伝搬媒質の制御の複雑さは著しく増大する。多平面光コンバータ（MPLC）などの類似アーキテクチャに対する既存の整列手法は、誤整列に対する許容度が低い、あるいはSLMの複雑な分割を必要として利用可能な自由度（DoF）を減少させる、といった欠点にしばしば悩まされている。さらに、物理的ニューラルネットワークの訓練は、寄生反射、収差、ノイズによって複雑化され、標準的な逆伝播アルゴリズムを実験データに直接適用することが困難になる。

手法
著者らは、振幅変調器（マイクロディスプレイ、µDisplay）と位相のみ変調器（SLM）との間でピクセルレベルの共役を達成するために設計された半自動整列手順を提示する。この設定は、µDisplayをSLM上に結像させる4f系を用い、その後、自由空間回折を模倣するために焦点外カメラへ伝搬させる。

整列プロトコルは、主に3つの段階から構成される。

1. 軸方向位置決め：2つの変調器のピクセルピッチの比率に一致するように、4f系の倍率を手動で調整する。これは、SLMをカメラに置き換えて像面を特定し、レンズ間隔を反復的に調整することで達成される。
2. 手動による横方向および軸方向整列：6軸ステージを用いてSLMを概略的に位置決めする。著者らは、鋭いエッジにおける光の回折を利用する。SLMに位相勾配を持つターゲット（例えば、0と$2\pi$の位相が交互に現れる同心円）を表示し、µDisplayに一様な強度パターンを表示することで、エッジが共役面において暗い領域として可視化される。これにより、粗い手動整列が可能となる。
3. 自動化された微調整：コンピュータビジョンアルゴリズムが整列を精密化する。システムは、µDisplayに円盤を表示し、SLMに同心位相パターンを表示する。標準的な楕円フィッティングアルゴリズム（OpenCV経由）を用いて、カメラ上の生成された暗いスポットの中心を検出する。µDisplay特徴とSLM特徴の重心を比較することで、アルゴリズムは必要な並進シフトを計算する。このプロセスは、位置が収束するまで反復される。

この手法は焦点外に対して堅牢であり、スケーラブルである。同じ手順を逐次的に適用することで、任意数の変調器を整列させることができる。生成された設定は、強度測定のみを用いて特徴付けられる。SLMにランダムな位相マスクを表示し、µDisplayに一定の照明を表示することで、著者らは生成されるス-peckleパターンを分析する。チャネルが完全に整列している場合、すべてのROIにわたるス-peckleパターンは同一（シフト不変）でなければならない。誤整列は、シフトまたは歪んだス-peckleパターンをもたらす。これは相互相関を通じて定量化できる。

主要な貢献と結果

• スケーラブルな整列手順：著者らは、ピクセルレベルの精度で複数のSLMを整列させるための堅牢な半自動手法を実証する。アルゴリズムは約5回の反復（1分未満）で収束し、初期の手動整列が焦点深度内であれば、焦点外に対して感応しない。
• 高密度空間多重化：整列された設定は、それぞれ$64 \times 64$ピクセルの独立したROIの$10 \times 10$グリッドを成功裏にサポートし、$4 \times 10^5$を超える空間的自由度を提供する。これにより、100の入力の同時処理が可能となる。
• 訓練の加速：空間多重化を活用することで、DNNの訓練時間は、1枚の画像を一度に処理する場合の約4日から、3層ネットワークで10エポックあたり約1時間に短縮される。これにより、標準的な実験室の時間枠内で可視スペクトルの光DNNの訓練が可能となる。
• ノイズ低減：空間多重化方式は、ノイズ平均化機構として機能する。著者らは、平均化されたROIの数が増加するにつれて、平均二乗誤差（MSE）が$1/\sqrt{n}$の傾向に従って減少することを示し、実験ノイズを実質的に低減している。
• アルゴリズムの適応：全視野光学設定に固有の高いノイズと寄生反射のため、標準的な逆伝播は失敗する。著者らは、光学エンコーダを訓練するために、標準的な逆伝播を必要としないForward-Forwardアルゴリズムの教師ありバージョンと、小さなデジタル層を組み合わせて実装することに成功した。このアプローチは、MNISTデータセット上で約85%の推論精度を達成した。正確な整列がなければ、システムは学習できず、推論スコアは30%前後で停滞した。

意義と主張
本論文は、スケーラブルで高速な光回折ニューラルネットワークの構築における実験的課題に対する実用的な解決策を提供すると主張している。複数の変調器の正確なピクセルレベルの共役を可能にすることで、著者らは、空間多重化がSLMの更新レートの制限を克服する viable な戦略であることを実証している。生成されたシステムは、数百の入力を同時に処理可能な、高速で再構成可能な光DNNとして機能する。

著者らは、この設定を単なる分類器としてではなく、物理的ニューラルネットワークの訓練を調査するための多用途プラットフォームとして位置づけている。彼らは、このシステムが非線形性（カメラの強度感度によって導入される）を伴う層状媒質内での伝搬を模倣し、現実的な実験ノイズを含んでいることを強調している。現在の実装は、直接光逆伝播の課題によりハイブリッドな光・デジタル訓練方式に依存しているが、著者らはこのプラットフォームが光学と機械学習を橋渡しするのに理想的であると論じている。彼らは、変調器技術のさらなる改善（非平面性、クロストーク、寄生反射への対処）が、最終的には完全な光学習につながる可能性があると示唆している。整列手法自体は、SLMの正確な共役が要求される、複雑な媒質内の光波の制御、通信、ホログラフィーなどの他の波面整形応用にも有用である可能性があると考えられている。