針對(duì)疊層成像技術(shù)在噪聲環(huán)境下的重建難題，中國科學(xué)院上海光機(jī)所林楠團(tuán)隊(duì)提出基于無監(jiān)督物理神經(jīng)網(wǎng)絡(luò)的創(chuàng)新方法ProPtyNet，有望應(yīng)用于芯片CD量測及缺陷檢測，文章以“Noise-robust ptychography using unsupervised neural network”為題發(fā)表于《optics and lasers in engineering》。

其核心創(chuàng)新與成果如下[1]：

1.核心問題與挑戰(zhàn)

疊層成像通過衍射模式反演物體復(fù)振幅分布，但在以下場景面臨挑戰(zhàn)：

復(fù)雜噪聲環(huán)境：弱光條件下的泊松噪聲（信噪比24.64dB）和高能粒子隨機(jī)造成的混合噪聲會(huì)導(dǎo)致傳統(tǒng)算法失效

動(dòng)態(tài)帶寬成像：非單色光源使非目標(biāo)波長成為新型頻域噪聲源

硬件限制：傳統(tǒng)迭代算法速度慢，難以實(shí)現(xiàn)快速成像。

2.方法創(chuàng)新

提出"物理模型+深度學(xué)習(xí)"雙驅(qū)動(dòng)框架

數(shù)據(jù)處理架構(gòu)：采用零填充預(yù)處理（例：512→612像素）和四分量輸出（振幅/相位×物體/探針）提高軸向分辨率

網(wǎng)絡(luò)拓?fù)鋬?yōu)化：定制U-net架構(gòu)（僅250萬參數(shù)）實(shí)現(xiàn)四維參數(shù)聯(lián)合優(yōu)化，"Conv2d-tanh"相位層擴(kuò)展動(dòng)態(tài)范圍至2π

抗噪損失函數(shù)：首創(chuàng)雙損失機(jī)制（β=0.85-0.95）平衡過曝光區(qū)域（γ=1→0.1遞變）和探針結(jié)構(gòu)化約束，損失函數(shù)下降5倍

3.實(shí)驗(yàn)驗(yàn)證

通過600組測試驗(yàn)證性能：

噪聲魯棒性：在混合噪聲（SNR 30dB）下，SSIM值達(dá)0.92±0.03，較ePIE提升約14倍

速度優(yōu)勢：單次收斂時(shí)間729秒，比AD、ePIE分別快47.8%和31.9%

寬譜適應(yīng)性：有效分離405nm波段±5nm噪聲分量，實(shí)現(xiàn)57線對(duì)/mm分辨率

4.應(yīng)用前景

極紫外EUV成像：方法已適配菲涅爾傳播模型，可擴(kuò)展至13.5nm波長

低劑量動(dòng)態(tài)監(jiān)測：300μs短曝光條件下仍有效抑制讀出噪聲（NPS=0.12）

多參數(shù)聯(lián)調(diào)：通過增加輸出通道實(shí)現(xiàn)沿軸(zPIE)和斜入射(aPIE)聯(lián)合標(biāo)定[35-36]

該研究為新型光源（X射線/EUV）和極端工況（低溫/輻照）的相干成像提供了計(jì)算機(jī)原理與實(shí)驗(yàn)?zāi)Ｐ碗p突破。 

圖1.ProPtyNet算法細(xì)節(jié)。（a）ProPtyNet網(wǎng)絡(luò)流程圖。（b）U-net網(wǎng)絡(luò)結(jié)構(gòu)細(xì)節(jié)。（c）數(shù)據(jù)預(yù)處理及后處理方法。 

圖2.模擬重構(gòu)結(jié)果。（a）物體和探針的真實(shí)振幅與相位。（b）ProPtyNet，ePIE，rPIE以及AD算法在泊松噪聲，高斯噪聲以及混合噪聲下的重構(gòu)結(jié)果。

圖3.實(shí)驗(yàn)結(jié)果。（a）不同噪聲環(huán)境下樣品振幅信息的重構(gòu)結(jié)果。（b）劃線部分振幅截面對(duì)比。（c）迭代過程的損失函數(shù)對(duì)比。 

圖4.寬光譜照明下的重構(gòu)結(jié)果（a）實(shí)驗(yàn)照明光光譜。（b）模擬與實(shí)驗(yàn)結(jié)果。

文章鏈接: https://doi.org/10.1016/j.optlaseng.2024.108791