Beyond the Thin-Layer Limit: Differentiable Volumetric Training for Visible-Range Diffractive Neural Networks

技術要約：薄層近似の限界を超えて

問題提起
回折型深層ニューラルネットワーク（D2NN）は、マシンビジョン向けの電力効率が高く、光速で動作する光学フロントエンドを実現する道筋を提示している。テラヘルツ波領域では、ミリメートルスケールのニューロンを用いた成熟した実証例が存在するが、D2NNを可視光領域へと移行させることは困難であることが証明されてきた。近年のナノスケール構造の作製技術の進歩（例：ImpCarv）により、ナノスケールのニューロンの製造は可能になったものの、可視光領域のD2NNは依然としてテラヘルツ波のD2NNと同等の性能には達していない。

本論文は、主要な障害はナノスケールニューロンの作製技術の難しさではなく、むしろ学習手法における根本的な欠陥、すなわち**薄層近似（thin-layer approximation）**にあると特定している。標準的なD2NNの学習では、各回折層を無限に薄い複素透過マスクとして扱う。この仮定は、高屈折率材料（$n \approx 1.65–1.72$）を使用し、必要なレリーフ構造が波長に対して薄くなるテラヘルツシステムにおいては成立する。しかし、可視光領域のD2NNは通常、低〜中程度の屈折率を持つ材料（ポリマーやハイドロゲルなどの $n \approx 1.3–1.5$）を利用する。これらの材料で必要な位相変調を実現するためには、物理的なレリーフ構造を大幅に厚くする必要がある。このような条件下では、層内回折、累積的な位相蓄積、および厚さに依存する電場の進化が顕著となり、薄層モデルを用いて学習を行った場合に深刻な「設計とデバイスのミスマッチ」を引き起こす。

手法：微分可能な体積伝搬学習（$\partial$BPM）
これに対処するため、著者らは微分可能なビーム伝搬（$\partial$BPM）層を導入する。各回折要素を単一の軸方向平面における位相変調として適用する薄層ベースラインとは異なり、$\partial$BPM層は各回折要素を有限の厚みを持つボリューム（体積）としてモデル化する。

主な技術的構成要素は以下の通りである：

• 体積離散化（Volumetric Discretization）: 物理的な高さマップを $N_{sub}$ 個の軸方向サブスライスに離散化する。
• 微分可能なソフト占有（Differentiable Soft Occupancy）: シグモイド関数を使用して各スライスにおける材料の占有状態を表現し、高さマップが勾配ベースの最適化に対して微分可能であることを保証する。
• 層内伝搬（Intra-Layer Propagation）: ボリューム内の光伝搬を角スペクトル法（ASM）を用いてシミュレートする。各スライスにおいて、光電場は局所的な材料占有に基づく位相遅延を受け、その後、スライスの厚み（$\Delta z$）にわたって軸方向に伝搬する。
• エンドツーエンドの学習可能性（End-to-End Trainability）: 勾配は、全体積スタックおよび自由空間伝搬を通じてバックプロパゲーションされる。これにより、学習ループ内でフルウェーブ（全波）シミュレーション（FDTDなど）を必要とすることなく、有限の厚みを持つ幾何学的構造を直接最適化することが可能となる。

主な結果
著者らは、分類タスク（MNIST、Fashion-MNIST）および画像タスク（MNIST、Fashion-MNIST、CIFAR-100）において、$\partial$BPMフレームワークを標準的な薄層ベースラインと比較して評価した。特に、低〜中程度の屈折率領域（$n \approx 1.3–1.5$）に焦点を当てた。

1. モデルミスマッチの低減: 薄層近似で学習されたモデルを有限の厚みを持つ体積前方モデルで評価した場合、性能が著しく低下した（例：MNISTの分類精度が約50%に低下）。対照的に、$\partial$BPMで学習されたモデルは、体積評価下でも高い性能を維持し、再最適化を行うことなく精度を約90%まで回復させた。
2. 屈折率依存性: モデルミスマッチは、$n \approx 1.3–1.5$ の範囲（可視光での作製に典型的な範囲）で最も深刻であり、屈折率が増加するにつれて減少した。これは、問題が波長そのものではなく、低屈折率材料に必要とされる物理的な厚みに起因していることを裏付けている。
3. フルウェーブ検証（FDTD）: 物理的なリアリズムを検証するため、著者らは学習された高さマップをエクスポートし、マクスウェル方程式を直接解く時間領域差分法（FDTD）ソルバーを用いてシミュレーションを行った。
   • 分類: FDTD検証において、$\partial$BPMで学習された構造は90%の精度を達成したが、薄層学習された構造は**50%**にとどまった。
   • 画像: $\partial$BPMで学習された設計は、フルウェーブ条件下で評価された際、薄層設計と比較して優れた構造類似度（SSIM）および低い正規化平方根平均二乗誤差（NRMSE）を示した。

意義と主張
本論文は、$\partial$BPM層が、効率的な光学ニューラルネットワークの最適化と、作製に整合した回折設計との間の、スケーラブルで物理に即した架け橋を提供すると主張している。有限の厚みを持つ伝搬を学習ループに直接組み込むことで、このフレームワークは、可視光領域のD2NNの発展を阻んできた設計とデバイスのミスマッチを解消する。

著者らは、本研究を、実用的な可視光および低/中屈折率の自由空間光学ニューラルネットワークに向けた不可欠なステップとして位置づけている。彼らは、FDTDのようなフルウェーブソルバーはより高い忠実度を提供するものの、エンドツーエンドの学習には計算コストが高すぎることを強調している。$\partial$BPMアプローチは、最適化プロセス中にフルウェーブシミュレーションを必要とすることなく、物理的な正確さを維持できる、計算量的に扱いやすい代替手段を提供する。これらの結果は、回折要素の体積的な性質を考慮した学習手法を用いることで、可視光領域のD2NNが信頼性の高い性能をもって実現可能であることを示唆している。