米国UCLAのAydogan Ozcan教授らは、単一ショットで28層の3D画像を投影する新システムを開発し、学術誌「Light: Science & Applications」に発表した。同システムは、ディープラーニングでエンドツーエンド最適化されたデジタルエンコーダーと受動型多層回折デコーダーを融合したハイブリッド構造を採用する。 従来のホログラフィック表示では画像面の近接に伴い回折干渉が発生し、深度選択性が劣化する課題があった。本手法では、フーリエ変換ベースのニューラルネットワーク搭載エンコーダーが対象画像の空間・周波数特性と軸位置を抽出し、全画像を同時に表現する単一位相パターンを生成する。最適化された回折面を伝播する過程で物理的な深度依存場プログラミングを実現し、指定軸深度への画像誘導と面間漏洩抑制を同時に達成する。 数値シミュレーションでは単一波長オーダーの軸面間隔で投影に成功し、28枚の軸面を単一パターンに符号化するスケーラビリティを実証した。可視光域で動作する単層デコーダー搭載のプロトタイプ実験でも、測定画像はシミュレーションと高度に一致。デコーダー未設置の基準系を大幅に上回り、デジタル・光学融合方式の実用性を裏付けた。 本技術はコンパクトかつ高軸分解能のスナップショット3D表示プラットフォームとして確立され、近接表示AR/VR、ホログラフィック光学系、多深度顕微鏡、体積光計算などへの応用が期待される。将来的にはマルチスペクトル動作や物理的多層デコーダーへの拡張により、省エネ小型3D表示システムの構築が展望されている。本研究はUCLA電気・コンピュータ工学科およびCNSIのDr. Çağatay Işılらにより遂行された。