Recupero della fase tramite ottimizzazione fotonica XY-Hamiltoniana basata sul guadagno

Trasformare luce sfocata in immagini nitide

Molte delle immagini più nitide nella scienza moderna vengono create in modo indiretto: i rivelatori misurano solo la luminosità della luce diffusa da un campione, ma non la sua fase, che codifica forma e struttura fondamentali. Ricostruire immagini complete da queste informazioni incomplete, un compito chiamato recupero della fase, è notoriamente difficile per i computer convenzionali. Questo articolo mostra come riformulare quella sfida come un problema che una classe speciale di dispositivi a base di luce è naturalmente portata a risolvere, aprendo la strada a imaging più rapido ed energeticamente efficiente in campi che vanno dalla cristallografia a raggi X all’astronomia.

Perché perdere metà dell’informazione è un problema serio

Quando raggi X, elettroni o fasci laser rimbalzano su un campione, formano un’onda complessa descritta sia dall’ampiezza (quanto è luminosa) sia dalla fase (dove sono i massimi e i minimi dell’onda). I rivelatori standard registrano solo l’ampiezza, producendo un pattern di diffrazione di intensità. Molti oggetti diversi possono dare lo stesso pattern, quindi ricostruire l’oggetto originale è come risolvere un puzzle con molte soluzioni possibili. I matematici hanno dimostrato che, in generale, questo è un problema molto difficile. Sono quindi necessari accorgimenti aggiuntivi per rendere il puzzle ben posto ed evitare di rimanere intrappolati in soluzioni errate.

Rendere il puzzle più risolvibile con schermi casuali

Un trucco potente, noto come modelli di diffrazione codificati (CDP), consiste nell’inviare copie identiche dello stesso fronte d’onda attraverso diversi schermi di fase casuali prima di registrare le intensità. Ogni schermo mescola la fase in modo distinto, fornendo effettivamente molteplici viste dello stesso oggetto nascosto. Quando si usano abbastanza schermi, la teoria garantisce che esista essenzialmente una soluzione corretta coerente con tutte le misure. Studi precedenti hanno mostrato che, in questo contesto, algoritmi digitali sofisticati possono recuperare l’oggetto, ma restano computazionalmente gravosi e possono ancora fallire quando le misure sono rumorose.

Lasciare che reti di luce facciano il lavoro difficile

Gli autori mostrano che il compito di recupero della fase con CDP può essere scritto esattamente come la minimizzazione dell’energia di un sistema in cui molte piccole frecce, o “spin”, possono ruotare fluidamente in un piano. Questo è noto come Hamiltoniana di tipo XY. È importante che reti di oscillatori luminosi accoppiati — come condensati di ecciton‑polaritone, array di laser e macchine fotoniche Ising spaziali — tendono naturalmente a rilassarsi verso stati a bassa energia di questo tipo quando il loro guadagno e la loro perdita sono opportunamente tarati. Mappando i dati sperimentali sulle forze di accoppiamento tra questi oscillatori, il sistema fisico diventa esso stesso un calcolatore analogico che cerca, in parallelo, la configurazione di fasi che meglio corrisponde alle misure.

Quanto bene performa il risolutore basato sulla luce

Utilizzando dettagliate simulazioni numeriche, i ricercatori confrontano questo risolutore fotonico basato sul guadagno con uno dei migliori metodi digitali attuali, l’algoritmo Relaxed‑Reflect‑Reflect (RRR). Testano entrambi su immagini semplici a valori reali e su campi d’onda completamente complessi, inclusi vortici bidimensionali, anelli vorticali tridimensionali e dati complessi completamente casuali. Su un’ampia gamma di dimensioni dei problemi e per diversi tipi realistici di rumore — gaussiano, poissoniano e offset sistematici — il metodo ispirato alla luce eguaglia o supera costantemente RRR. Il suo vantaggio è più evidente nel regime di rumore medio tipico di molti esperimenti: dove il metodo digitale comincia a sfocare i dettagli fini, il risolutore basato sul guadagno recupera ancora strutture nitide e fasi più accurate, e mantiene questo vantaggio anche con l’aumentare della dimensionalità del problema.

Dalla teoria all’imaging pratico e veloce

Poiché l’ottimizzazione è eseguita dalla dinamica continua del dispositivo fisico, risolvere un problema di recupero della fase si riduce ad attendere che la rete ottica si stabilizzi in uno stato stazionario. Piattaforme fotoniche esistenti e di prossimo sviluppo suggeriscono che tale rilassamento potrebbe richiedere microsecondi o millisecondi, anche per problemi che coinvolgono decine o centinaia di migliaia di variabili, il tutto consumando molta meno energia rispetto a un calcolo digitale comparabile. In termini semplici, il lavoro dimostra che reti di luce accuratamente progettate possono agire come potenti calcolatori specializzati per trasformare pattern di diffrazione grezzi in immagini significative, promettendo ricostruzioni più veloci ed efficienti in applicazioni che vanno dalla determinazione di strutture biologiche al monitoraggio in tempo reale di fluidi quantistici.

Citazione: 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

Parole chiave: recupero della fase, calcolo fotonico, modelli di diffrazione codificati, ottimizzazione analogica, algoritmi di imaging