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

Resumo Técnico: A Modulação de Amplitude Binária Suprime a Conversão de Ruído para Altas Frequências em Redes Ópticas Difrativas Coerentes

Declaração do Problema
Processadores analógicos de ondas coerentes, como as redes neurais profundas difrativas (D²NNs), codificam a computação dentro de espaços de modulação contínuos e de alta dimensão (amplitude complexa e fase). Embora poderosos, esses sistemas são inerentemente suscetíveis ao ruído estocástico. Perturbações provenientes de erros de fabricação, deriva térmica ou ruído de detector projetam-se sobre este espaço contínuo, misturando-se com o campo óptico portador do sinal e corrompendo a saída. Estudos anteriores observaram que imperfeições de fabricação em D²NNs podem causar quedas de precisão superiores a 10 pontos percentuais entre a simulação e a implementação física. O desafio central é identificar um mecanismo que suprima essa "conversão de ruído para altas frequências" (noise up-conversion) sem sacrificar a fidelidade da classificação.

Metodologia
Os autores propõem e analisam as BM-D²NNs (Redes Neurais Profundas Difrativas com Máscara de Amplitude Binária), que restringem o manufóide de modulação de valores complexos contínuos para amplitudes binárias $\{0, 1\}$ (totalmente opacas ou totalmente transmissivas).

• Arquitetura: A rede consiste em $N$ camadas de modulação alternadas com propagação de Fresnel em espaço livre. A evolução do campo óptico é governada pela função de transferência de Fresnel.
• Treinamento: Como as máscaras binárias não são diferenciáveis, os autores utilizam um Estimador de Passagem Direta (Straight-Through Estimator - STE) para o treinamento. A passagem direta utiliza valores de máscara binarizados (limiar de 0,5), enquanto a passagem reversa assume um gradiente unitário através da função degrau.
• Modelo de Ruído: A robustez é avaliada adicionando ruído Gaussiano por pixel $\mathcal{N}(m, \sigma^2)$ a imagens de teste limpas sem retreinamento. Este arcabouço cobre dois regimes físicos: ruído de média zero (modelando ruído de disparo/shot noise) e ruído de média não nula (modelando corrente escura térmica e ruído de leitura).
• Estrutura Teórica: Os autores derivam uma teoria analítica de forma fechada baseada na observação de que, sob a condição $z/\lambda \gg 1$ (onde $z$ é a distância de propagação e $\lambda$ é o comprimento de onda), os seguimentos da função de amostra do campo óptico complexo seguem estatísticas Gaussianas Complexas Próprias (PCG). Isso permite o rastreamento de momentos através das camadas de propagação sem a necessidade de simulações de Monte Carlo ruidosas.

Principais Contribuições

1. Compromisso entre Dimensionalidade de Modulação e Robustez: O artigo estabelece um princípio fundamental: restringir o manufóide de modulação para amplitudes binárias suprime a conversão de ruído estocástico para altas frequências. Ao colapsar o canal de mistura entre ruído e sinal de alta dimensão, as máscaras binárias atuam como um filtro passa-baixa espacial implícito para o ruído.
2. Métrica de Ruído Analítica ($C$ e $K$): Os autores derivam uma métrica de contribuição de ruído $C$, governada por um fator de viés de transmissão $K$.
   • $K$ quantifica o alinhamento espacial cumulativo entre o perfil de intensidade da imagem limpa e a transmissão da modulação através das camadas.
   • A teoria prova que, para modulação binária, o viés acumulado $\tilde{K}$ é consistentemente menos negativo (ou seja, $\tilde{K} > K$) do que para modulação contínua.
   • Isso leva à desigualdade $\tilde{C} < C$, garantindo que as arquiteturas binárias tenham menor contribuição de ruído em relação à intensidade do sinal.
3. Preditor de Dados Limpos: Uma contribuição significativa é a demonstração de que a ordenação de robustez ($\tilde{C} < C$) pode ser prevista usando apenas dados limpos. A métrica $K$ é computável a partir de passagens diretas limpas, eliminando a necessidade de simulações ruidosas ou conhecimento prévio das estatísticas de ruído do hardware para selecionar arquiteturas.

Resultos

• Precisão de Classificação: BM-D²NNs de sete camadas alcançam 90,92% de precisão no MNIST e 81,94% no Fashion-MNIST. Isso está dentro de 2 a 4 pontos percentuais de suas contrapartes de modulação contínua (C-D²NNs), que alcançam 92,75% e 85,27%, respectivamente.
• Robustez ao Ruído: Sob ruído Gaussiano por pixel, as BM-D²NNs superam significativamente as C-D²NNs.
  • A vantagem máxima atinge +32,82 pontos percentuais (MNIST) em $m=45, \sigma=10$ (BM-D²NN: 81,21% vs. C-D²NN: 48,39%).
  • As BM-D²NNs mantêm desempenho superior em todos os números de camadas testados ($N \in [5, 15]$) e regimes de ruído (tanto de média zero quanto de média não nula).
  • A vantagem persiste mesmo no limite de ruído de disparo ($m=0$), confirmando que o mecanismo é independente da média do ruído.
• Melhoria de Intensidade: A modulação binária produz uma intensidade no plano de imagem 6,79 vezes maior para entradas de dados limpos comparado à modulação contínua. Isso é atribuído ao fato de que máscaras binárias transmitem ou bloqueiam totalmente, enquanto a modulação de amplitude contínua atenua a potência ao longo de $[0, 1]$. Sob condições ruidosas, esse ganho permanece aproximadamente 4,5 vezes maior.
• Validação: A previsão teórica $\tilde{K} > K$ mantém-se para 100% das 10.000 amostras testadas do MNIST. Além disso, existe uma forte correlação global ($R^2 = 0,964$) entre a métrica de contribuição de ruído e a taxa de erro total em 20 famílias de modelos treinados independentemente.

Significância
O artigo afirma estabelecer um princípio físico quantitativo conectando a geometria do manufóide de modulação à robustez ao ruído em computação óptica coerente. A descoberta central é contraintuitiva: "menos é mais". Ao reduzir os graus de liberdade no espaço de modulação (de complexo contínuo para binário), o sistema torna-se mais robusto ao ruído enquanto mantém uma precisão competitiva.

Este princípio é aplicável a qualquer processador óptico coerente operando no regime $z/\lambda \gg 1$, onde a propagação de Fresnel randomiza as fases dos pixels para criar estatísticas PCG. O trabalho fornece um critério de triagem pré-fabricação ($K$) que permite aos engenheiros selecionar arquiteturas robustas usando apenas dados limpos, sem precisar caracterizar ambientes de ruído específicos ou realizar extensas simulações ruidosas. Isso oferece um caminho direto para o design de hardware de aprendizado de máquina fotônico tolerante à fabricação.