基于物理的神经网络用于散射介质中相干光的非侵入式控制

由于光散射，通过复杂介质（如生物组织 or 雾）的光学成像具有挑战性。在多散射 regime 下，波前整形提供了一种检索信息的有效方法；它依赖于测量不同光波前的传播如何受散射影响。基于该原理，若干波前整形技术被成功开发，但其中大多数高度侵入式且局限于原理验证实验。在此，我们提出使用神经网络方法非侵入式地表征并控制介质内部的光散射，并检索埋藏其中的隐藏物体信息。与近期多数提出的方法不同，我们的神经网络架构及其层、连接节点和激活函数具有真实的物理意义，因为它模拟了光在光学系统中的传播。它使用由一系列入射光图案及相应相机快照构建的实验测量输入/输出数据集进行训练。我们将基于物理的神经网络应用于epi-配置的荧光显微镜，并通过数值模拟与实验展示其性能。该灵活方法可纳入物理先验，且我们表明它可应用于其他系统，例如非线性或相干对比度机制。