الذكاء الاصطناعي يضيف إلى اللعبة، والبصريات الفائقة تدخل عصرًا مزدهرًا
يلعب الضوء دورًا محوريًا في العالم الذي نعيش فيه. وبسبب أهمية الضوء وخصوصيته، كرّس عمالقة العلم مثل جاليليو ونيوتن وماكسويل وأينشتاين أنفسهم لدراسة الضوء. يمكن القول أن البحث البصري له تاريخ طويل. ومع ذلك، مع تطور التكنولوجيا والتحسين المستمر للاحتياجات الإنسانية،أصبحت بعض القيود في مجال البحث البصري واضحة تدريجيا.
تقترب تقنية التصوير الضوئي التقليدية من حدودها المادية من حيث وظائف الأجهزة وأداء التصوير، ولم تعد قادرة على تلبية متطلبات التطبيق في العديد من المجالات. ولمواجهة هذا التحدي، في السنوات الأخيرة،لقد ظهر مجال جديد متعدد التخصصات، وهو "التصوير البصري الحاسوبي".في بداية العام، تم اختيارها كواحدة من أفضل عشرة اتجاهات تكنولوجية في عام 2023 من قبل أكاديمية علي بابا دامو.
وبحسب الخبراء، فإن التصوير البصري الحاسوبي، مقارنة بالتصوير البصري التقليدي، يدمج بشكل عميق الرقمنة وتكنولوجيا المعلومات في التصميم البصري، ويدمج البرامج والأجهزة، ويحقن "حياة" جديدة في التصوير البصري من خلال الحوسبة. يغطي محتوى البحث الخاص بها نطاقًا واسعًا، بما في ذلك FlatCAM، والتكنولوجيا البصرية الفائقة، وما إلى ذلك. وفي هذا الصدد، نشرت بلومبرج مقال رأي في نهاية العام الماضي جاء فيه،التصوير البصري الحاسوبيومن المتوقع أن تحظى شركة Meta Optics باهتمام واسع النطاق هذا العام وأن تحدث تحولاً كبيراً خلال العقد المقبل.
ومن ثم، أحد فروع التصوير البصري الحسابي هوما هي فرط البصريات بالضبط؟ لماذا تطورت بهذه السرعة؟إذا نظرنا إلى الأسباب، فسنجد أن هناك عاملاً رئيسياً لا غنى عنه بطبيعة الحال في عملية ما يسمى بتكامل الرقمنة والمعلوماتية المذكورة أعلاه - الذكاء الاصطناعي (المشار إليه فيما يلي باسم الذكاء الاصطناعي).
في المقال القادم، سوف تركز هذه المقالة على البحث "الذكاء الاصطناعي في البصريات الفوقية".انطلاقًا من الجمع بين الذكاء الاصطناعي والبصريات الفائقة، يتم تقديم أحدث نتائج الأبحاث في المجالات ذات الصلة بالتفصيل.على أمل تقديم بعض الإلهام للباحثين العلميين.
نظرة عامة على المفاهيم الأساسية في البصريات الفوقية
في البصريات الكلاسيكية المثالية، يرتبط انتشار الضوء في وسطين بسرعة الضوء في الوسطين والخصائص البصرية للوسطين، مثل انكسار الضوء وانعكاسه.وقد أدى ظهور المواد الخارقة إلى تغيير هذا السلوك البصري.
خاصة،تتكون السطح الميتا من مجموعة من البنى النانوية.وتعرف أيضًا بالذرات الفائقة، حيث يعتبر كل منها مصدرًا ثانويًا للضوء. عندما يواجه الضوء الساقط هذه الواجهة، يقوم النانوبنية بتغيير الخصائص البصرية للضوء الساقط ويعيد إشعاع موجات كهرومغناطيسية جديدة. من خلال التحكم الفعال في توزيع الطور للسطح المتوازي، يمكن إعادة بناء واجهة موجة الضوء الساقط بخصائص فريدة ووظائف جديدة.
إن معالجة البصريات الفائقة هي طريقة مباشرة لربط التصميم النظري بالتطبيق العملي.في الوقت الحاضر، تم أيضًا تطوير تقنية المعالجة بشكل جيد لأغراض مختلفة، مثل مقياس الطول الموجي الفرعي، والنقش الهيكلي، والمساحة الكبيرة، ونسبة العرض إلى الارتفاع العالية، والإنتاج العالي، وما إلى ذلك.
في هذا الصدد،قدم الباحثونتكنولوجيا معالجة الأجهزة البصرية الفائقة،ومن بين طرق المعالجة الأكثر استخدامًا هي الطباعة الضوئية، وطباعة حزمة الإلكترونات (EBL)، وطباعة حزمة الأيونات المركزة (FIB)، والطباعة النانوية، والكتابة المباشرة بالليزر، والطباعة ثلاثية الأبعاد. ومن خلال طرق المعالجة المتقدمة هذه، يمكن تطبيق الأجهزة الفائقة بشكل أكبر.
لتلبية الاحتياجات البصرية، تم تطوير بعض الأجهزة الجديدة ذات الوظائف البصرية الخاصة. تتمثل المزايا العظيمة للأجهزة الفوقية في خصائصها الجديدة، وحجمها الصغير، ووزنها الأخف، وكفاءتها العالية، وأدائها الأفضل، وتشغيل النطاق العريض، واستهلاكها المنخفض للطاقة، وتقليل حجم البيانات، وتوافقها مع تقنية CMOS للإنتاج الضخم.لقد تم تطوير الأجهزة البصرية بشكل جيد في تقنيات مثل تشكيل الحزمة، والانحراف غير الطبيعي والانعكاس، والتحكم في الاستقطاب والتحليل.
الاستفادة من الذكاء الاصطناعي لتحقيق تقدم كبير
يمثل المحور الأفقي السنة، ويمثل المحور الرأسي عدد المنشورات في السنة.
كما يمكن أن نرى من الشكل أعلاه، فإن اتجاهات تطوير الذكاء الاصطناعي والبصريات الفائقة متشابهة تقريبًا، وكلاهما دخل فترة من النمو السريع حوالي عام 2012. في هذه الدراسة،قام الباحثون بتحليل على وجه التحديد تطبيق الذكاء الاصطناعي في المشاكل المباشرة والعكسية في البصريات الفوقية، وتحليل البيانات على أساس أنظمة السطوح الفوقية، والأجهزة الفوقية الذكية القابلة للبرمجة.
النمذجة البديلة
نمذجة الخصائص البصرية
يوفر الذكاء الاصطناعي، وخاصة التعلم العميق، اختصارًا مباشرًا وفعالًا للمحاكاة البصرية. في السنوات الأخيرة، حقق استخدام الذكاء الاصطناعي في نمذجة الوكلاء نتائج ملحوظة. في النماذج البديلة، غالبًا ما تُستخدم الشبكات العصبية الاصطناعية كمتنبئات تقريبية للاستجابات البصرية للذرات الميتاتومية. و،في بعض مهام التصميم، تكون الشبكة العصبية الاصطناعية المستخدمة للنموذج البديل هي الحل الأمثل.
في عام 2019،اقترح سينسونغ آن وكلايتون فاولر، زملاء ما بعد الدكتوراه في قسم علوم وهندسة المواد في معهد ماساتشوستس للتكنولوجيا، وآخرونشبكة عصبية عميقة تسمى Predicting NN،نمذجة استجابات السعة والطور لجميع الذرات العازلة في نطاق 30-60 تيراهرتز.
كما هو موضح في الشكل (أ) أدناه، فإن مدخلات الشبكة العصبية التنبؤية هي المعلمات الهندسية، والمخرجات هي معاملات الإسقاط الحقيقية أو الافتراضية. قام سينسونغ آن وكلايتون فاولر وآخرون بتطوير شبكتين عصبيتين عميقتين للتنبؤ بالأجزاء الحقيقية والافتراضية على التوالي. يتم حساب الاستجابات المطلوبة للسعة والطور باستخدام معاملات الإسقاط.هذه العملية غير المباشرة ترجع إلىتتغير سعة الذرة النموذجية واستجابات الطور بشكل مفاجئ بالقرب من التردد الرنان.
(أ) التنبؤ بالسعة والطور للذرة الأسطوانية
(ب) التنبؤ بالسعة والطور للذرة الميتا ذرية عازلة بالكامل ذات شكل حر
(ج) التنبؤ بمقاطع التشتت العرضية لجسيمات النانو ذات الغلاف المادي المتناوب
(د) التنبؤ بكفاءة حيود ذرة عظمى متعددة الأضلاع ذات 16 ضلعًا
(هـ) التنبؤ بأطياف الامتصاص للذرات السطحية الفائقة ذات الشكل الحر باستخدام الشبكة العصبية العميقة
(و) التنبؤ بطيف الامتصاص للذرة الفائقة السطحية ذات الشكل الحر باستخدام CNN وRNN
يتدهور أداء التنبؤ الخاص بالشبكات العصبية الاصطناعية بشكل كبير عند الرنين بسبب الانحدار الصعب للخطية الحادة، لذلك يستخدم المؤلفون بشكل مبتكر أجزاء حقيقية وافتراضية مستمرة مختلفة من معامل التشتت كأهداف للتنبؤ. بسرعات تصل إلى ميلي ثانية،وصلت دقة التنبؤ بالذرات الفائقة الأسطوانية والشكل "H" إلى أكثر من 99%، وهو أسرع بـ 600 مرة من عمليات المحاكاة التقليدية.
في عام 2020، اقترح سينسونغ آن وكلايتون فاولر وآخرون طريقة جديدة باستخدام CNN لتوصيف سعة ومرحلة الذرات الفوقية في نفس النطاق العامل. الفرق هوإن كائن النمذجة هو عبارة عن هيكل حر الشكل ذو خصائص مادية مختلفة، وليس هيكلًا بسيطًا.كما هو موضح في الشكل ب أعلاه.
يتضمن السطح ذو الشكل الحر المصمم صورة النمط ثنائية الأبعاد وحجم الشبكة وسمك الهيكل ومؤشر الانكسار للمادة. ينقسم رأس الشبكة العصبية التلافيفية إلى فرعين للإدخال. يقوم أحدهما بمعالجة صورة النمط ثنائية الأبعاد ويقوم الآخر بمعالجة مؤشرات السمات المختلفة. من خلال إجراءات خفض العينة ورفع العينة، يتم إعادة دمج الفرعين في خرائط ميزات ذات أبعاد متطابقة. لا يزال الإخراج في صيغة الأجزاء الحقيقية والتخيلية لمعامل التشتت.
وبالمقارنة مع العمل السابق، يستخدم هذا النهج المزيد من بيانات التدريب ويوفر المزيد من القوة لتصميم السطح الحر. أيضًا،في ظل نفس ظروف الأجهزة، تكون سرعة التنبؤ أسرع بـ 9000 مرة من المحاكاة التقليدية.وهذا أيضًا يتجاوز العمل السابق بشكل كبير.
تقييم الأداء
لتقييم فعالية النموذج البديل، تتم مقارنة دقته في كثير من الأحيان بأدوات المحاكاة التقليدية التي تحل معادلات ماكسويل. وبشكل عام، تظهر معظم نماذج الوكيل دقة عالية من حيث الخصائص البصرية المختلفة. بالإضافة إلى الدقة المؤهلة،تعتبر نماذج الوكالة أسرع بكثير من عمليات المحاكاة التقليدية.
(أ) طيف الامتصاص للبنية السطحية ذات الشكل الحر
(ب) استجابات السعة والطور للذرة الميتا ذرة على شكل حرف "H"
(ج) التشتت الأمامي والخلفي للقضيب النانوي في وضعي TE وTM، وتوزيع المجال الكهربائي الداخلي (أعلى)
(د) طيف الانعكاس وطيف CD المقابل
(هـ) التحقق من طيف الإرسال باستخدام قياسات تصميمات العمليات الفعلية
(و) مقارنة وقت الحساب بين المحاكاة الرقمية ونموذج الوكيل القائم على التعلم العميق
لتلخيص النمذجة البديلة باستخدام الشبكات العصبية الاصطناعية، يسرد الجدول التالي المعلومات المثيرة للاهتمام للمقارنة المباشرة والفهم. من البروتونات إلى الذرات الفائقة العازلة، تغطي المواد المدرجة في الجدول المعادن والمواد العازلة الشائعة. المراجع المختارة في الجدول لها استجابات نمذجة مختلفة،أثبت أن التياريمكن للنموذج الوكيل أن يتعلم تقريبًا كل الخصائص البصرية الشائعة من الهندسة البنيوية للذرات الفائقة.
ومع ذلك، كحل تقريبي لمعادلات ماكسويل،ويوجد أيضًا ثلاثة عيوب في نموذج الوكيل:
* أداء نموذج الوكيل يقتصر على بناء بيانات التدريب. يمكن لكل نموذج أن يعمل فقط في ظل ظروف محددة (مثل النفاذية، والانعكاسية، والاستقطاب، وما إلى ذلك) وأطوال موجية عمل محددة.
* سوف يتدهور أداء بعض نماذج الوكيل عند الترددات الرنانة.
* إن عملية إنشاء بيانات التدريب هي مهمة شاقة وتتطلب جهدًا كبيرًا.
ومع ذلك، فإن النماذج البديلة المعتمدة على الشبكات العصبية الاصطناعية أسرع بكثير من أدوات المحاكاة التقليدية، وبالإضافة إلى سرعتها، تتمتع النماذج البديلة بميزة أخرى. في التصميم العكسي للبصريات الفوقية، هناك حاجة إلى استجابة محاكاة في الوقت الحقيقي. بالمقارنة مع البرامج التجارية الحالية،يمكن دمج النماذج البديلة المعتمدة على الشبكات العصبية الاصطناعية بسهولة في مخططات التصميم العكسي وتتمتع بحرية تصميم أكبر.
التصميم العكسي
الشبكات العصبية القائمة على التدرج
اعتمادًا على نوع النموذج المستخدم،يمكن تقسيم التصميم العكسي بمساعدة التعلم العميق إلى قسمين:
1. بناءً على النموذج التمييزي
2. بناءً على النموذج التوليدي
يمكن تقسيم طريقة التصميم العكسي المبنية على النموذج المميز إلى فئتين. الفئة الأولى هي وضع معلمات التصميم في موضع الإدخال، وسوف تؤثر استجابة الهدف كمخرج على معلمات التصميم من خلال الانتشار الخلفي. يعد هذا النوع من حلول التصميم بسيطًا، لكنه يستغرق وقتًا طويلاً كطريقة تحسين متكررة.أما النوع الثاني فهو أكثر مباشرة وبالتالي فهو الطريقة السائدة.وهذا يعني أنه عند إعطاء قيمة متوقعة، يقوم NN بإخراج قيمة متوقعة.
(أ) الخصائص البصرية للهدف وامتصاصية معلمات S
(ب) سير عمل التصميم المقترح
(ج) رسومات ثلاثية الأبعاد للنموذج قيد الدراسة، والتي يمكن تمثيلها بمصفوفة
يتطلب التصميم العكسي القائم على الشبكات العصبية معرفة بصرية أقل. توفر الشبكات العصبية الاصطناعية حلاً تقريبيًا للنظام، وهو ليس مطابقًا تمامًا لمتطلبات الهدف. تظهر معظم الطرق دقة 70%+ عند تصميمها حسب الطلب، وهو أمر سريع للغاية. إن طريقة التجربة والخطأ التقليدية للتصميم العكسي تستغرق وقتًا طويلاً ولا يمكنها ضمان دقة الحل. على الرغم من الاختلافات،ولكن الحل المقترحإنه أفضل من عدم وجود حل.
الحوسبة التطورية الخالية من التدرج
الحوسبة التطورية هي فرع مهم من الذكاء الاصطناعي وعائلة من الخوارزميات الفوقية، بما في ذلك الخوارزميات الوراثية، والخوارزميات التطورية، وخوارزميات مستعمرة النمل، وخوارزميات سرب الجسيمات. فهو يحاكي عملية التطور البيولوجي ويحاكي عملية التكاثر العنصري من خلال العملية التكرارية للبرامج الحاسوبية. يتم إدخال الطفرات في كل جيل كتغيرات عشوائية صغيرة، ويتم التخلص من الحلول دون المستوى من خلال الاختيار. وفي نهاية المطاف، يتم الحصول على الحل الأمثل من خلال هذا التطور.غالبًا ما يُعتبر الحساب التطوري عبارة عن مجموعة من خوارزميات التحسين العالمية.
الخوارزمية الجينية (GA) هي واحدة من استراتيجيات الحوسبة التطورية الأكثر استخدامًا. أيضًا،في السنوات الأخيرة تسهل GA إلى حد كبير التصميم العكسي للأسطح المتحولة.مثل العدسات الفائقة، ولوحة الربع موجة تيراهرتز، والمواد الخارقة القابلة للبرمجة، وبصريات الشبكة تحت الطول الموجي.
تحليل البيانات
كما أظهرت الذكاء الاصطناعي قدراتها القوية في تحليل البيانات في مجال البصريات الفائقةتتضمن التطبيقات المماثلة تنفيذ مهام الرؤية الحاسوبية على الصور الملتقطة من العدسات المعدنية. يتم استخدام الذكاء الاصطناعي بشكل أكثر شيوعًا لمعالجة البيانات غير القابلة للقراءة من الأسطح الميتا، مثل تحليل الصور وإشارات الميكروويف ومعلومات الطيف بالأشعة تحت الحمراء.
(ac) تحليل البيانات لمهام تصنيف التركيب الكيميائي
(أ) الرسم التخطيطي للمصنف الكيميائي للسطح المتحول
(ب) طيف انتقال كل مادة كيميائية
(ج) تصور نتائج تصنيف المكونين الرئيسيين الأولين (أعلى) والمكونات الرئيسية الثلاثة الأولى من خلال تحليل المكونات الرئيسية
(دج) تحليل بيانات التصوير الصوتي
(د) مخطط تخطيطي للتكوين التجريبي
(هـ) انتشار الموجات ذات مكونات متجه الموجة عالية السعة التي تحتوي على معلومات توقيعية دون الطول الموجي بدون (يسار) ومع (يمين) عدسة معدنية.
(و) تدفق البيانات من مصدر الإشعاع إلى إعادة البناء والتحديد الخلفي
(ز) نتائج إعادة البناء والتعرف على المعلومات بعيدة المدى بدون عدسة فائقة (أعلى) ومع عدسة فائقة (أسفل)
الأجهزة الفائقة الذكية القابلة للبرمجة
بمساعدة الذكاء الاصطناعي، يعمل النظام الذي يعتمد على الأسطح الميتا القابلة للبرمجة مثل الكمبيوتر الذي يحتوي على وحدة معالجة مركزية مثبتة. عندما يتم دمج ميتاسيرفس قابلة للبرمجة أو إعادة التكوين مع الذكاء الاصطناعي، فإن تدفق البيانات بينهما يشكل حلقة. الذكاء الاصطناعي مسؤول عن الحصول على البيانات البصرية ومعالجتهاالبيانات وتنظيم إعادة بناء الأسطح القابلة للبرمجة.
يتيح هذا للسطح المتطور أن يتطور من عنصر حيود بصري عادي إلى عنصر ذكي يفهم بيانات الإدخال ويقدم استجابات في الوقت الفعلي من تلقاء نفسه.
(ac) جهاز التصوير الذكي
(ب) 16 نمط إشعاع والأنماط المقابلة التي تم إنشاؤها بواسطة التعلم الآلي
(ج) نتائج التصوير المعتمدة على التعلم الآلي للحالتين في أوقات قياس مختلفة (100، 200، 400، و600).
(د) أجهزة التصوير والتعرف الذكية
(هـ) عباءة ذكية
بالإضافة إلى الأجهزة الذكية الفائقة التي ناقشناها أعلاه،سطح ميتا قابل للبرمجة مدعوم بالذكاء الاصطناعيويمكنه أيضًا تحقيق تشكيل الحزمة المعقدة في الوقت الفعلي وتكوين تصور ثلاثي الأبعاد.
ربما يكون عصر الأجهزة الفائقة قادمًا
يُظهر تقرير أعدته شركة لوكس ريسيرش الاستشارية الأمريكية حول التقنيات البصرية والفوتونية الناشئة أن المواد البصرية الفوقية تم نشرها تجارياً.ووسوف تشكل سوقًا تقدر بمليارات الدولارات بحلول عام 2030.
بواسطةإذا أخذنا على سبيل المثال Metalenz وNIL Technology، وهما شركتان رائدتان عالميًا في مجال الأسطح المعدنية، فإن التقدم الذي أحرزته الشركتان في مجال التسويق التجاري يشمل ما يلي:تجمع شركة Metalenz بين تكنولوجيا البصريات الفوقية وعمليات تصنيع أشباه الموصلات، وتحقق الإنتاج الضخم في مصنع رقائق 12 بوصة التابع لشركة STMicroelectronics، وتطبق تقنيات Metalens على مستشعر تحديد المدى ToF VL53L8 من سلسلة FlightSense من شركة STMicroelectronics؛ لقد قامت شركة NIL Technology ببناء سلسلة كاملة لصناعة المعادن، بما في ذلك التصميم والنماذج الأولية والاختبار والوصف، وقدرات التصنيع، وحققت شحنات من المعادن.
ومن الجدير بالذكر أنه هذا العام،أعلنت شركة ميتالين عن الاستحواذ علىجولة جديدة بقيمة 10 ملايين دولار من رأس المال الاستثماري،وقال روبرت ديفلين، المؤسس المشارك والرئيس التنفيذي للشركة: "يمكننا استبدال ما يصل إلى ستة أجهزة بصرية تقليدية في الوحدات الحالية بجهاز بصري ميتافيزيقي واحد مع تحسين الأداء على مستوى النظام".
ومن الواضح أن الأجهزة الفائقة الممثلة بالعدسات الفائقة تنتقل من المختبرات إلى الصناعة، لتصبح تدريجيا نقطة ساخنة في تكنولوجيا البصريات المتطورة، ومن المتوقع أن تؤدي إلى ثورة في صناعة البصريات. ومن بينها، تلعب الذكاء الاصطناعي دورًا حيويًا في تطوير البصريات الفوقية. إن تطبيق الذكاء الاصطناعي على البصريات الفائقة قد يساعد في حل التصميمات البصرية المعقدة والحصول بسرعة على أفضل الحلول للمشاكل مع تلبية احتياجات الوظائف الجديدة. لذلك فمن المؤكد أنومن المؤكد أن الجمع بين الاثنين سيساهم بشكل أكبر في تعزيز البحث والتطوير للرقائق البصرية المتقدمة وتعزيز تحقيق الأجهزة والأنظمة البصرية من الجيل التالي في أقرب وقت ممكن.
روابط مرجعية:
[1]https://baijiahao.baidu.com/s?id=1755507538405155365&wfr=spider&for=pc
[2]https://zhuanlan.zhihu.com/p/540485936
عنوان الورقة: