שחזור פאזה באמצעות אופטימיזציה פוטונית מסוג XY המבוססת על גיין

הפיכת אור מטושטש לתמונות ברורות

רבות מהתמונות החדות ביותר במדע המודרני נוצרות בדרך עקיפה: הגלאים מודדים רק את עוצמת האור המפוזר מהדגימה, ולא את הפאזה שלו, שמכילה מידע מכריע על הצורה והמבנה. שיחזור תמונות מלאות מתוך מידע חלקי זה, משימה הקרויה שחזור פאזה, ידוע כקשה במיוחד עבור מחשבים קונבנציונליים. מאמר זה מראה כיצד לנקוט גישה שמנסחת את הבעיה כך שמכשירים מבוססי אור מסוג מיוחד מצטיינים בפתרונה באופן טבעי, ופותחת נתיב לדימות מהיר ויעיל אנרגטית יותר בתחומים שנעים מקריסטלוגרפיית קרני רנטגן ועד אסטרונומיה.

מדוע איבוד חצי מהמידע הוא עניין גדול

כאשר קרני רנטגן, אלקטרונים או קרני לייזר חוזרים מהדגימה, הם יוצרים גל מורכב שמתואר הן על־ידי אמפליטודה (כמה בהיר) והן על־ידי פאזה (מיקום הפסגות והשקעים של הגל). גלאים סטנדרטיים רושמים רק את האמפליטודה ויוצרים דפוס דיפרקציה של עוצמות. עצמים שונים רבים יכולים להניב את אותו דפוס, ולכן שיחזור העצם המקורי הוא כמו חידת פאזל עם תשובות רבות אפשריות. מתמטיקאים הוכיחו שבכלליות זו בעיה קשה מאוד. לכן נדרשות תרגילים נוספים כדי לגרום לחידה להיות פתירה ולהימנע מהמנעות בפתרונות שגויים.

להפוך את החידה ליותר פתירה בעזרת מסכים אקראיים

טריק חזק אחד, המכונה תבניות דיפרקציה מקודדות (CDP), הוא לשלוח עותקים זהים של גל המשטח דרך מספר מסכי פאזה אקראיים שונים לפני הקלטת העוצמות. כל מסך מבלבל את הפאזה בצורה שונה, ובכך מספק למעשה תצפיות מרובות של אותו עצם מוסתר. כאשר משתמשים במספר מסכים מספק, התיאוריה מבטיחה שקיימת למעשה תשובה נכונה אחת שמתיישבת עם כל המדידות. עבודות קודמות הראו שבמסגרת זו אלגוריתמים דיגיטליים מתוחכמים יכולים לשחזר את העצם, אך הם נשארים כבדים מבחינה חישובית ועשויים עדיין להיכשל כאשר המדידות רעשיות.

להניח לרשתות של אור לבצע את העבודה הקשה

המחברים מראים שמטלה של שחזור פאזה ב‑CDP ניתנת לניסוח באופן מדויק כמזערת האנרגיה של מערכת שבה חיצים זעירים, או "ספינים", יכולים להסתובב באופן חלק במישור. זה מוכר כהמילטוניאן מסוג XY. באופן חשוב, רשתות של תנודות אור מקושרות — כמו קונדנסטים של אקסיטון‑פולריטון, מערכים של לייזרים ומכונות איסינג פוטוניות מרחביות — נוטות באופן טבעי להירגע למצבים בעלי אנרגיה נמוכה בדיוק מהסוג הזה כאשר הגיין והאובדן מכוילים כראוי. על‑ידי מיפוי הנתונים הניסיוניים לחוזקות הקישורים בין התנודות הללו, המערכת הפיזית עצמה הופכת למחשב אנלוגי שמחפש, במקביל, את תצורת הפאזות שמתאימה ביותר למדידות.

כמה טוב הפותר המבוסס־אור מתפקד

באמצעות סימולציות מספריות מפורטות השוו החוקרים את הפותר הפוטוני המבוסס‑גיין לאחד מהשיטות הדיגיטליות הטובות ביותר כיום, אלגוריתם Relaxed‑Reflect‑Reflect (RRR). הם בדקו את שניהם על תמונות ממשיות פשוטות ועל שדות גל קומפלקסיים מלאים, כולל וורטיקסים דו‑ממדיים, טבעות וורטקס תלת‑ממדיות ונתונים קומפלקסיים אקראיים לחלוטין. על טווח רחב של גדלים ובעבור מספר סוגי רעש ריאליסטיים — גאוסיאני, פואסוני והסטות מערכתיות — השיטה המושאלת מהאור תאמה או עלתה בביצועים על פני RRR. היתרון שלה ברור ביותר בתחומי רעש בינוניים אופייניים לניסויים רבים: שם שבה השיטה הדיגיטלית מתחילה לטשטש פרטים עדינים, הפותר המבוסס‑גיין עדיין משחזר מבנה חד ופאזות מדויקות יותר, ושומר על היתרון גם כאשר ממדיות הבעיה גדלה.

מהתיאוריה לדימות מהיר ומעשי

מכיוון שהאופטימיזציה מתבצעת על ידי הדינמיקה הרציפה של המכשיר הפיזי, פתרון של בעיית שחזור פאזה מתמצה בהמתנה שהרשת האופטית תתייצב למצב יציב. פלטפורמות פוטוניות קיימות ובעתיד הקרוב מרמזות שהרפייה כזו עשויה לארוך מיקרו‑שניות עד מילי־שניות, אפילו עבור בעיות הכוללות עשרות או מאות אלפי משתנים, וכל זאת תוך צריכת אנרגיה נמוכה בהרבה בהשוואה לחישוב דיגיטלי מקביל. במילים פשוטות, העבודה ממחישה כי רשתות אור מהונדסות בקפידה יכולות לשמש כמחשבי־על ייעודיים רבי עוצמה להמרת דפוסי דיפרקציה גולמיים לתמונות בעלות משמעות, ומבטיחות שיחזור מהיר ויעיל יותר ביישומים החל מקביעת מבנה ביולוגי ועד ניטור בזמן‑אמת של נוזלים קוונטיים.

ציטוט: Wang, R.Z., Li, G., Gentilini, S. et al. Phase retrieval via gain-based photonic XY-Hamiltonian optimization. Commun Phys 9, 85 (2026). https://doi.org/10.1038/s42005-026-02525-7

מילות מפתח: שחזור פאזה, מחשוב פוטוני, תבניות דיפרקציה מקודדות, אופטימיזציה אנלוגית, אלגוריתמי דימות