Category: Machine Learning
Press release Supervised Single-shot Polarimetry (ITA)
Ricercatori dell’Istituto dei sistemi complessi del Consiglio nazionale delle ricerche e della Sapienza Università di Roma hanno sviluppato un polarimetro “intelligente” ultra-veloce e super-compatto che permette di utilizzare la polarizzazione della luce per applicazioni nei campi della comunicazione ottica sicura, dei sensori fotonici e della medicina. Lo strumento è descritto in un articolo su Nature Communications
Ricercatori dell’Istituto dei Sistemi complessi del Consiglio nazionale delle ricerche di Roma (Cnr-Isc) e del Dipartimento di Fisica della Sapienza Università di Roma hanno sviluppato un innovativo strumento che permette di “vedere” tramite la polarizzazione, e utilizzare tale proprietà per applicazioni nei campi della comunicazione ottica sicura su grande distanza, dei sensori fotonici con funzionalità aumentate, e nuovi strumenti per la medicina.
La polarizzazione, assieme alla frequenza e all’intensità, è una delle tre proprietà fondamentali delle onde elettromagnetiche. Mentre le ultime due si manifestano ogni giorno tramite i colori e la brillantezza di una moltitudine di sorgenti di luce diverse quali led, microonde e laser, la polarizzazione della luce è meno conosciuta. I nostri occhi non sono sensibili a questa proprietà – che indica la direzione di oscillazione del campo ottico – e non ci accorgiamo, pertanto, di come essa sia alla base del funzionamento di oggetti di uso comune, come i display. Vedere tramite la polarizzazione permette di rilevare oggetti apparentemente invisibili in condizioni di scarsissima visibilità, e di scoprire dettagli che sono nascosti nelle normali fotografie. Inoltre, in applicazioni quali la visione digitale permette di osservare caratteristiche fisiche dei materiali nascoste – come tensioni, torsioni ed imperfezioni superficiali – e svolge un ruolo chiave nel settore dell’informazione quantistica.
Lo strumento sviluppato da Davide Pierangeli e Claudio Conti, rispettivamente dell’Istituto dei sistemi complessi del Cnr e del Dipartimento di Fisica della Sapienza Università di Roma supera il limite dell’assenza, fino ad oggi, di metodi e strumenti compatti per ottenere immagini in polarizzazione in modo ultraveloce: gli attuali rivelatori, infatti – i cosiddetti polarimetri – utilizzano molte misurazioni tramite apparati ottici costosi e voluminosi.
In particolare, il dispositivo realizzato è innovativo in quanto permette di misurare molte polarizzazioni in un singolo “shot”, basandosi sull’intelligenza artificiale. Inoltre, non necessita dei componenti ottici convenzionali di polarizzazione.
“Rivelare la così detta «terza dimensione della luce» in modo efficiente è una sfida centrale per la fotonica”, spiega Davide Pierangeli (Cnr-Isc). “La nostra idea è stata quella di rivelare la polarizzazione misurando un’altra proprietà fisica apparentemente non collegata ad essa, cioè la distribuzione d’intensità ottica che viene prodotta da un chip disordinato, e da questa tramite tecniche di apprendimento automatico estrarre l’informazione sulle molte polarizzazioni codificate nel fascio laser”.
“Il nostro studio dimostra un rivelatore di polarizzazione smart basato su intelligenza artificiale con funzionalità attualmente non ottenibili in strumenti convenzionali”, continua Claudio Conti (Sapienza Università di Roma). “Questo apre le porte alla comunicazione ottica sicura, a nuovi strumenti per la medicina e la guida autonoma”.
Il risultato, pubblicato sulla rivista Nature Communications, apre importanti prospettive per l’applicazione della luce polarizzata strutturata nella comunicazione ottica, nell’imaging, e nella computazione.
https://www.fmag.it/2023/04/12/polarizzazione-immagini-svelata-ia-ricerca/
Riferimenti:
Single-shot polarimetry of vector beams by supervised learning – Davide Pierangeli & Claudio Conti – Nature Communications (2023) https://doi.org/10.1038/s41467-023-37474-0
Supervised single-shot polarimetry in Nature Communications
DOI 10.1038/s41467-023-37474-0
https://www.nature.com/articles/s41467-023-37474-0.pdf
States of light encoding multiple polarizations – vector beams – offer unique capabilities in metrology and communication. However, their practical application is limited by the lack of methods for measuring many polarizations in a scalable and compact way. Here we demonstrate polarimetry of vector beams in a single shot without any polarization optics. We map the beam polarization content into a spatial intensity distribution through light scattering and exploit supervised learning for single-shot measurements of multiple polarizations. We characterize structured light encoding up to nine polarizations with accuracy beyond 95% on each Stokes parameter. The method also allows us to classify beams with an unknown number of polarization modes, a functionality missing in conventional techniques. Our findings enable a fast and compact polarimeter for polarization-structured light, a general tool that may radically impact optical devices for sensing, imaging, and computing.
RUSA Lecture – Large-scale photonic computing
The Hyperspin Machine in Nature Communications !
https://www.nature.com/articles/s41467-022-34847-9
From condensed matter to quantum chromodynamics, multidimensional spins are a fundamental paradigm, with a pivotal role in combinatorial optimization and machine learning. Machines formed by coupled parametric oscillators can simulate spin models, but only for Ising or low-dimensional spins. Currently, machines implementing arbitrary dimensions remain a challenge. Here, we introduce and validate a hyperspin machine to simulate multidimensional continuous spin models. We realize high-dimensional spins by pumping groups of parametric oscillators, and show that the hyperspin machine finds to a very good approximation the ground state of complex graphs. The hyperspin machine can interpolate between different dimensions by tuning the coupling topology, a strategy that we call “dimensional annealing”. When interpolating between the XY and the Ising model, the dimensional annealing substantially increases the success probability compared to conventional Ising simulators. Hyperspin machines are a new computational model for combinatorial optimization. They can be realized by off-the-shelf hardware for ultrafast, large-scale applications in classical and quantum computing, condensed-matter physics, and fundamental studies.
See also The hyperspin machine: simulating QCD models and dimensional annealing
