清华大学、剑桥大学综述分享用于计算机生成全息图的优化算法
综述了应用于计算机生成全息图的优化算法
（映维网Nweon 2024年08月13日）计算机生成全息术CGH提供了一种对给定波前进行数字调制的方法。随着技术的进步，它已成为学界和业界的新焦点之一。在日前一篇论文中，清华大学和剑桥大学的研究人员综述了应用于计算机生成全息图的优化算法。
CGH正在实现广泛的应用。作为衍射光学元件或超表面的全息图可以再现特定的空间光场，并正在推动VR、AR、平视显示器和光学计算等潜在市场的诞生和增长。
计算具有忠实重建的合适全息图不仅是与全息术的基本基础密切相关的问题，而且是光学研究人员长期面临的挑战。寻找理想全息图的精确解以重建精确的目标对象是一个不适定逆问题。
合成全息图的单衍射计算的一般做法只能提供一个近似的答案，这受到数值实现的限制。所以，中国清华大学和英国剑桥大学的一组科学家设计了各种非凸优化算法，通过引入不同的约束、框架和初始化来寻求最优解。
基于衍射的全息图计算的基本问题可以简洁地描述为从给定对象的强度分布求解全息图，这是一个具有物理基础和硬件实现约束的逆问题。它与成像中的相位恢复问题相对不同，因为不能保证全息图满足所有约束并重建人工强度分布。
通过非凸优化，可以求解出近似满足约束条件的多个候选全息图。所以，各种优化算法已经引入到全息图合成中，并迅速为CGH在降噪、对比度增强、串扰抑制和计算加速方面带来突破。
随着优化算法对CGH能力的显著增强，实现适合物理过程的适当全息图优化成为中心目标，从而确保所需的光学重建。对各种全息图进行忠实重建计算的动机推动了CGH优化算法的发展。
在论文中，团队主要概述了应用于计算机生成全息图的优化算法，包括基于替代投影和梯度下降法的全息图合成原理。他们指出，这一研究旨在支持优化全息图生成，帮助深入这一快速发展领域的前沿发展，并为虚拟现实、增强现实、平视显示和超表面设计等潜在应用提供基础。
优化算法通过解决CGH中的逆问题来生成全息图，但简单的优化并不一定保证生成合适的全息图。研究人员解释说：“与实际物理过程相对应的仔细计算对于提高重建精度和产生应有的全息图至关重要，所以这个最佳实践指南具有重要的价值。”
相关论文：Non-convex optimization for inverse problem solving in computer-generated holography
这篇综述文章着眼于CGH优化算法在实际运行中的开发和实现，从基础到实际操作提供了系统和全面的概述。他们补充说：“我们相信，这个计算教程以及对CGH优化算法的综合理解，加上我们在这里展示的所有2D/3D优化框架的开源代码，可以帮助光学领域的各种研究。”
