Binary Amplitude Modulation Suppresses Noise Up-Conversion in Coherent Diffractive Optical Networks

技術要約：バイナリ振幅変調によるコヒーレント回折光ネットワークにおけるノイズのアップコンバージョン抑制

問題提起
D²NN（回折深層ニューラルネットワーク）に代表されるコヒーレントな波動光学アナログプロセッサは、連続的な高次元変調空間（複素振幅および位相）の中に計算をエンコードする。これらは強力である一方、本質的に確率的ノイズに対して脆弱である。製造誤差、熱ドリフト、または検出器ノダースメントによる摂動は、この連続的な空間へと投影され、信号を担う光学場と混ざり合うことで、出力を劣化させる。先行研究では、D²NNにおける製造上の不完全性が、シミュレーションと物理実装の間で10パーセントポイントを超える精度低下を引き起こす可能性があることが指摘されている。核心となる課題は、分類の忠実度を犠損することなく、この「ノイズのアップコンバージョン（高周波成分への変換）」を抑制するメカニズムを特定することである。

手法
著者らは、変調多様体を連続的な複素数からバイナリ振幅 $\{0, 1\}$（完全な遮蔽または完全な透過）へと制限する**バイナリ振幅マスクD²NN（BM-D²NN）**を提案し、分析する。

• アーキテクチャ: ネットワークは、$N$ 個の変調層と、それらの間に交互に配置されたフレネル自由空間伝搬で構成される。光学場の進化は、フレネル伝達関数によって支配される。
• 学習: バイナリマスクは非微分可能であるため、著者らは学習に**ストレートスルー推定器（STE）**を採用している。フォワードパスでは二値化されたマスク値（閾値0.5）を使用し、バックワードパスではステップ関数に対して単位勾配を仮定する。
• ノイズモデル: ロバスト性の評価は、クリーンなテスト画像に対してピクセルごとのガウスノイズ $\mathcal{N}(m, \sigma^2)$ を加えることで行われる。このフレームワークは、ゼロ平均ノイズ（ショットノイズをモデル化）と非ゼロ平均ノイズ（熱暗電流および読み出しノイズをモデル化）の2つの物理的領域をカバーしている。
• 理論的枠組み: 著者らは、$z/\lambda \gg 1$（$z$ は伝搬距離、$\lambda$ は波長）の条件下では、複素光学場のサンプルが**固有複素ガウス（PCG）**統計に従うという観察に基づき、閉形式の解析理論を導出した。これにより、ノイズを含むモンテカルロ・シミュレーションを必要とせずに、伝搬層を通じたモーメントの追跡が可能となる。

主な貢献

1. 変調次元性とロバスト性のトレードオフ: 本論文は、根本的な原理を確立している。すなわち、変調多様体をバイナリ振幅に制限することで、確率的ノイズのアップコンバージョンが抑制されるということである。ノイズと信号の混合チャネルを崩壊させることで、バイナリマスクはノイズに対する暗黙的な空間ローパスフィルタとして機能する。
2. 解析的ノイズ指標（$C$ および $K$）: 著者らは、透過バイアス因子 $K$ によって制御されるノイズ寄与指標 $C$ を導出した。
   • $K$ は、各層におけるクリーンな画像の強度プロファイルと変調透過率の間の累積的な空間的整列を定量化する。
   • 理論は、バイナリ変調の場合、累積バイアス $\tilde{K}$ が連続変調よりも一貫して負の方向に大きくならない（すなわち $\tilde{K} > K$）ことを証明している。
   • これにより $\tilde{C} < C$ という不等式が導かれ、バイナリアーキテクチャが信号強度に対してより低いノイズ寄与を持つことが保証される。
3. クリーンデータによる予測器: 重要な貢献として、ロバスト性の順序付け（$\tilde{C} < C$）がクリーンデータのみを用いて予測可能であることを示した。指標 $K$ はクリーンなフォワードパスから計算可能であり、特定のハードウェアノイズ統計に関する事前知識や、ノイズを含むシミュレーションを必要とせずにアーキテクチャをスクリーニングできる。

結果

• 分類精度: 7層のBM-D²NNは、MNISTで90.92%、Fashion-MNISTで**81.94%**の精度を達成した。これは、連続変調型（C-D²NN）がそれぞれ92.75%および85.27%を達成しているのと比較して、わずか2〜4パーセントポイントの差である。
• ノイズロバスト性: ピクセルごとのガウスノイズ下において、BM-D²NNはC-D²NNを大幅に上回る性能を示した。
  • ピーク時の優位性は、$m=45, \sigma=10$（BM-D²NN: 81.21% vs. C-D²NN: 48.39%）において**+32.82パーセントポイント**（MNIST）に達する。
  • BM-D²NNは、すべてのテストされた層数（$N \in [5, 15]$）およびノイズ領域（ゼロ平均および非ゼロ平均の両方）において優れた性能を維持している。
  • この優位性はショットノイズの限界（$m=0$）でも持続しており、そのメカニズムがノイズの平均値に依存しないことを裏付けている。
• 強度増強: バイナリ変調は、クリーンなデータ入力に対して、連続変調と比較して6.79倍高い結像面強度をもたらす。これは、バイナリマスクが $[0, 1]$ の範囲で電力を減衰させるのではなく、完全に透過または遮蔽するためである。ノイズ条件下においても、この利得は約4.5倍に維持される。
• 検証: 理論的予測 $\tilde{K} > K$ は、テストされた10,000個のMNISTサンプルすべてにおいて100%成立した。さらに、20の独立して訓練されたモデルファミリー全体において、ノイズ寄与指標と総エラー率の間に強いグローバルな相関（$R^2 = 0.964$）が存在することが示された。

意義
本論文は、変調多様体の幾何学とノイズロバスト性を結びつける定量的な物理的原理を確立したと主張している。中心的な発見は、「少ないことは、より豊かである（Less is more）」という直感に反するものである。変調空間の自由度を（連続的な複素数からバイナリへ）減少させることで、システムは分類精度を維持しつつ、ノイズに対してより堅牢になる。

この原理は、フレネル伝搬がピクセルの位相をランダム化してPCG統計を作り出す $z/\lambda \gg 1$ の領域で作動する、あらゆるコヒーレント光学プロセッサに適用可能である。本研究は、特定のノイズ環境を特性評価したり、広範なノイズシミュレーションを行ったりすることなく、クリーンデータのみを用いてロバストなアーキテクチャを選択できる事前製造スクリーニング基準（$K$）を提供している。これは、製造誤差に強いフォトニック機械学習ハードウェアへの直接的な道筋を示すものである。