噪声自适应智能可编程超材料成像仪

我们提出了一种智能可编程计算超材料成像仪，其不仅针对特定信息提取任务（例如目标识别）定制其相干场景照明序列，而且能适应不同类型和程度的噪声。我们系统地研究了学习到的照明模式如何依赖于噪声，并发现学习到的照明模式的强度与重叠趋势可以直观地理解。我们的分析基于微波动态超表面天线（DMA）的解析耦合偶极子前向模型；我们构建了一个可微分的端到端信息流流水线，包含含噪声的可编程物理测量过程以及随后的数字处理层。该流水线使我们能够联合逆向设计可编程物理权重（决定相干场景照明的DMA配置）与可训练数字权重。我们的噪声自适应智能超材料成像仪在难以提取充足任务相关信息的条件下——延迟约束（限制允许的测量次数）与强噪声——最为明显地优于伪随机照明模式的常规使用。室内监控与对地观测中的可编程微波超材料成像仪将面临这些条件。