Восстановление фазы с помощью оптимизации фотонного XY‑гамильтониана на основе усиления

Как расплывчатый свет превращается в четкие изображения

Многие из самых детализированных изображений в современной науке получаются косвенным путём: детекторы измеряют только интенсивность рассеянного света, но не его фазу, в которой содержится ключевая информация о форме и структуре. Восстановление полных изображений из этих неполных данных, задача, называемая восстановлением фазы, традиционно крайне сложно даётся обычным компьютерам. В этой работе показано, как переформулировать эту задачу так, чтобы ею эффективно занимался особый класс оптических устройств, что открывает путь к более быстрому и энергоэффективному получению изображений в областях от рентгеновской кристаллографии до астрономии.

Почему потеря половины информации — большая проблема

Когда рентгеновские лучи, электроны или лазерные пучки отражаются от образца, они образуют сложную волну, описываемую как амплитудой (насколько ярко), так и фазой (положение пиков и впадин). Стандартные детекторы регистрируют только амплитуду, формируя дифракционную картину интенсивностей. Многие различные объекты могут приводить к одинаковой картине, поэтому восстановление исходного объекта похоже на решение головоломки с множеством возможных ответов. Математики показали, что в общем случае это очень трудная задача. Поэтому требуются дополнительные приёмы, чтобы сделать задачу корректно поставленной и избежать застревания в ложных решениях.

Как сделать задачу более разрешимой с помощью случайных экранов

Один мощный приём, известный как кодированные дифракционные картины (CDP), заключается в пропускании одинаковых копий волнового фронта через несколько разных случайных фазовых экранов перед записью интенсивностей. Каждый экран по‑своему перемешивает фазу, фактически давая несколько «видов» одного и того же скрытого объекта. При достаточном числе таких экранов теория гарантирует, что существует по сути единственное корректное решение, согласующееся со всеми измерениями. Ранее было показано, что в этом случае сложные цифровые алгоритмы способны восстановить объект, но они остаются вычислительно затратными и всё ещё могут давать сбои при шумных данных.

Дать сетям света выполнить тяжёлую работу

Авторы показывают, что задача восстановления фазы в схеме CDP может быть точно записана как минимизация энергии системы, в которой множество крошечных стрелок, или «спинов», могут плавно вращаться в плоскости. Это известно как XY‑гамильтониан. Важно то, что сети связанных оптических осцилляторов — такие как конденсаты экситон‑поляритонов, массивы лазеров и пространственные фотонные машины Изинга — при правильной настройке усиления и потерь естественно стремятся распасться в низкоэнергетические состояния именно такого типа. Сопоставляя экспериментальные данные со значениями связей между этими осцилляторами, сама физическая система превращается в аналоговый компьютер, который параллельно ищет конфигурацию фаз, наилучшим образом соответствующую измерениям.

Насколько хорошо работает решатель на основе света

Используя подробные численные симуляции, исследователи сравнивают этот фотонный решатель на основе усиления с одним из лучших современных цифровых методов, алгоритмом Relaxed‑Reflect‑Reflect (RRR). Они тестируют оба подхода на простых изображениях с вещественными значениями и на полноценных комплексных волновых полях, включая двумерные вихри, трёхмерные вихревые кольца и полностью случайные комплексные данные. В широком диапазоне размеров задач и для нескольких реалистичных типов шума — гауссовского, пуассоновского и систематических смещений — вдохновлённый светом метод стабильно сопоставим с RRR или превосходит его. Его преимущество особенно заметно в среднем шумовом режиме, характерном для многих экспериментов: там, где цифровой метод начинает размывать мелкие детали, решатель на основе усиления по‑прежнему восстанавливает чёткую структуру и более точные фазы, сохраняя это преимущество даже с ростом размерности задачи.

От теории к быстрому практическому визуализированию

Поскольку оптимизация выполняется непрерывной динамикой физического устройства, решение задачи восстановления фазы сводится к ожиданию, пока оптическая сеть не придёт в стационарное состояние. Существующие и перспективные фотонные платформы позволяют ожидать, что такое релаксация может занимать от микросекунд до миллисекунд, даже для задач с десятками или сотнями тысяч переменных, при этом потребляя значительно меньше энергии, чем сопоставимые цифровые вычисления. Проще говоря, работа демонстрирует, что тщательно сконструированные сети света могут выступать в роли мощных специализированных вычислителей для преобразования сырых дифракционных картин в содержательные изображения, обеспечивая более быстрое и эффективное восстановление в приложениях от определения биологических структур до оперативного мониторинга квантовых жидкостей.

Цитирование: 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

Ключевые слова: восстановление фазы, фотонные вычисления, кодированные дифракционные картины, аналоговая оптимизация, алгоритмы визуализации