Fasåtergivning via förstärkningsbaserad fotonisk XY‑Hamiltonianoptimering

Förvandla suddigt ljus till skarpa bilder

Många av de skarpaste bilderna i modern vetenskap skapas på ett omvänt sätt: detektorer mäter bara ljusets intensitet som sprids från ett prov, inte dess fas, vilket bär viktig information om form och struktur. Att rekonstruera fullständiga bilder från denna ofullständiga information, en uppgift som kallas fasåtergivning, är berömt svår för konventionella datorer. Den här artikeln visar hur utmaningen kan omformuleras till ett problem som en särskild klass ljusburna enheter är naturligt skickliga på att lösa, och öppnar därmed en väg till snabbare och mer energieffektiv avbildning inom områden från röntgenkristallografi till astronomi.

Varför det är en stor sak att förlora halva informationen

När röntgenstrålar, elektroner eller laserstrålar reflekteras från ett prov bildar de en komplex våg beskriven av både amplitud (hur ljus) och fas (var vågens toppar och dalar ligger). Standarddetektorer registrerar endast amplituden och producerar ett diffraktionsmönster av intensiteter. Många olika underliggande objekt kan ge upphov till samma mönster, så att återuppbygga originalobjektet liknar att lösa ett pussel med många möjliga lösningar. Matematiker har visat att detta i allmänhet är ett mycket svårt problem. Extra knep behövs därför för att göra pusslet väldefinierat och för att undvika att fastna i felaktiga lösningar.

Göra pusslet mer lösbart med slumpmässiga skärmar

Ett kraftfullt knep, känt som kodade diffraktionsmönster (CDP), är att leda identiska kopior av samma vågfront genom flera olika slumpmässiga fasskärmar innan intensiteterna registreras. Varje skärm rör till fasen på ett särskilt sätt och ger effektivt flera vyer av samma dolda objekt. När tillräckligt många sådana skärmar används garanterar teorin att det i praktiken finns en enda korrekt lösning som är förenlig med alla mätningar. Tidigare arbete visade att i detta upplägg kan sofistikerade digitala algoritmer återställa objektet, men de förblir beräkningsmässigt tunga och kan fortfarande svikta när mätningarna är brusiga.

Låta nätverk av ljus göra det tunga arbetet

Författarna visar att CDP‑fasåtervinningsuppgiften exakt kan skrivas som att minimera energin i ett system där många små pilar, eller ”spins”, kan rotera smidigt i ett plan. Detta är känt som en XY‑Hamiltonian. Viktigt är att nätverk av kopplade ljusoscillatorer—som exciton‑polaritonkondensat, fält av lasrar och rumsliga fotoniska Ising‑maskiner—naturligt försöker relaxera mot låg‑energitillstånd av just denna typ när deras förstärkning och förluster är korrekt inställda. Genom att kartlägga experimentdata på styrkan hos kopplingarna mellan dessa oscillatorer blir det fysiska systemet i sig en analog dator som parallellt söker efter den faskonfiguration som bäst överensstämmer med mätningarna.

Hur bra ljusbaserade lösaren presterar

Med detaljerade numeriska simuleringar jämför forskarna denna förstärkningsbaserade fotoniska lösare med en av de bästa digitala metoderna i dag, Relaxed‑Reflect‑Reflect (RRR)‑algoritmen. De testar båda på enkla reella bilder och på fullt komplexa vågfält, inklusive tvådimensionella virvlar, tredimensionella virvelringar och helt slumpmässiga komplexa data. Över ett brett spektrum av problemstorlekar, och för flera realistiska typer av brus—gaussiskt, Poisson och systematiska förskjutningar—matchar eller överträffar den ljus‑inspirerade metoden konsekvent RRR. Dess fördel är tydligast i medelbrusregimen som är typisk för många experiment: där den digitala metoden börjar sudda ut fina drag, återhämtar den förstärkningsbaserade lösaren fortfarande skarp struktur och mer exakta faser, och den behåller denna fördel även när problemets dimension ökar.

Från teori till snabb, praktisk avbildning

Eftersom optimeringen utförs av den kontinuerliga dynamiken i den fysiska apparaten, handlar lösningen av ett fasåtervinningsproblem i praktiken om att vänta på att det optiska nätverket ska lägga sig i ett stabilt tillstånd. Befintliga och framtida fotoniska plattformar antyder att en sådan relaxering kan ta mikrosekunder till millisekunder, även för problem som involverar tiotusentals eller hundratusentals variabler, samtidigt som de förbrukar avsevärt mindre energi än en motsvarande digital beräkning. I klara ordalag visar arbetet att noggrant konstruerade nätverk av ljus kan fungera som kraftfulla, specialiserade räknare för att omvandla råa diffraktionsmönster till meningsfulla bilder, vilket lovar snabbare och mer effektiv rekonstruktion i tillämpningar från biologisk strukturupplösning till realtidsövervakning av kvantvätskor.

Citering: 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

Nyckelord: fasåtergivning, fotonisk beräkning, kodade diffraktionsmönster, analog optimering, avbildningsalgoritmer