Die vorliegende Erfindung betrifft ein Verfahren und ein System zum Erzeugen einer gewünschten Lichtverteilung, also einer Lichtsollverteilung, in einer Zielebene beim Durchgang durch einen Streukörper sowie eine Verwendung der gewünschten Lichtsollverteilung. Die Zielebene kann hierbei innerhalb, hinter oder vor dem Streukörper liegen.The present invention relates to a method and a system for generating a desired light distribution, that is to say a desired light distribution, in a target plane when passing through a scattering body as well as using the desired desired light distribution. The target level can be inside, behind or in front of the scatterer.
Physikalisch ist bekannt, wie sich ein Lichtstrahl bei der Propagation im Vakuum verhält. Es existiert ein funktionaler Zusammenhang der beschreibt, welche Ausgangslichtverteilung in einem Zielgebiet, insbesondere in einer Zielebene, aus einer gegebenen Eingangslichtverteilung hervorgeht. Trifft dieser Lichtstrahl allerdings auf Materie kommt es unter anderem zu dem Phänomen der Steuerung unter deren Einfluss sich die Eigenschaften des Lichtstrahls verändern. Diese Änderungen können beispielsweise Phasenbeziehungen des Lichtstrahls, seine Strahlrichtung und/oder seine räumlich aufgelöste Intensität betreffen. Als anschauliches Beispiel bezüglich der Veränderung der räumlich aufgelösten Intensität des Lichtstrahls kann man sich ein Schwarzweißbild vorstellen, das zweidimensional durch ein Pixel-Array wiedergegeben ist. Wird ein solches Bild durch eine Eingangslichtverteilung erzeugt und durch einen Steuerkörper, der zumindest teilweise optisch durchlässig ist, gesendet, so ist das Bild nach dem Durchgang durch den Streukörper so verzerrt, dass unter Umständen nicht mehr auf das originale Bild geschlossen werden kann.Physically it is known how a light beam behaves during the propagation in a vacuum. There is a functional relationship which describes which output light distribution in a target area, in particular in a target level, results from a given input light distribution. However, if this ray of light encounters matter, one of the things that arises is the phenomenon of control under the influence of which the properties of the light beam change. These changes may relate, for example, phase relationships of the light beam, its beam direction and / or its spatially resolved intensity. As an illustrative example regarding the change in the spatially resolved intensity of the light beam, one can imagine a black-and-white image that is represented two-dimensionally by a pixel array. If such an image is generated by an input light distribution and transmitted by a control body which is at least partially optically transmissive, the image is so distorted after passing through the diffuser that may no longer be closed to the original image.
Für viele Anwendungen, beispielsweise in der biomedizinischen Bildgebung, der Glasfaser-Kommunikation oder der Optogenetik, ist eine solche Verzerrung der Eingangslichtverteilung nachteilig, da es aufgrund der Streuung nicht möglich ist den Lichtstrahl mit den gewünschten Eigenschaften in ein Zielgebiet, vorzugsweise die zweidimensionale Zielebene, zu strahlen. Auf vielen technischen Gebieten wird es aber zunehmend wichtig, die Eigenschaften des Lichtstrahls in dem Zielgebiet genau festlegen zu können. In der wissenschaftlichen Literatur werden diese Probleme diskutiert: Booth, M. J. Adaptive optical microscopy: the ongoing quest for a perfect image. Light: Science and Applications 3, e165 (2014) ; Cizmar, T. & Dholakia, K. Exploiting multimode waveguides for pure fibre-based imaging. Nature Communications 3, 1027 (2010) ; Light fields in complex media: Mesoscopic scattering meets wave control S Rotter, S Gigan - Reviews of Modern Physics, 2017. Zwar ist es prinzipiell möglich den Streukörper in einer vorgelagerten Untersuchung, beispielsweise durch Röntgenstrahlung, Protonenradiographie o. ä., zu charakterisieren und eine Transmissionsmatrix zu erstellen, die den Lichtdurchgang durch den Streukörper beschreibt - allerdings ist diese Vorgehensweise sehr aufwendig und liefert zumeist nur ungenügend genaue Ergebnisse.For many applications, for example in biomedical imaging, glass fiber communication or optogenetics, such a distortion of the input light distribution is disadvantageous because it is not possible due to the scattering of the light beam with the desired properties in a target area, preferably the two-dimensional target plane radiate. In many technical fields, however, it is becoming increasingly important to be able to precisely determine the properties of the light beam in the target area. The scientific literature discusses these problems: Booth, MJ Adaptive optical microscopy: the ongoing quest for a perfect image. Light: Science and Applications 3, e165 (2014) ; Cizmar, T. & Dholakia, K. Exploiting multimode waveguides for pure fiber-based imaging. Nature Communications 3, 1027 (2010) ; Although it is possible in principle to characterize the scattering body in an upstream investigation, for example by X-ray radiation, proton radiography or the like, and one is to characterize the scattered body in a complex media: Mesoscopic scattering meets wave control S Rotter, S Gigan To create transmission matrix, which describes the passage of light through the scattering body - however, this procedure is very complex and usually provides only insufficiently accurate results.
Es ist also Aufgabe der Erfindung ein Verfahren sowie ein System bereitzustellen, dass es mit einfachen Mitteln ermöglicht, einen Lichtstrahl mit zuvor festlegbaren Strahleigenschaften in ein Zielgebiet, insbesondere eine Zielebene, zu strahlen. Ferner ist es die Aufgabe der Erfindung eine Verwendung für diesen Lichtstrahl in dem Zielgebiet anzugeben.It is therefore an object of the invention to provide a method and a system that makes it possible, by simple means, to emit a beam of light with previously definable beam properties into a target area, in particular a target plane. Furthermore, it is the object of the invention to specify a use for this light beam in the target area.
Diese Aufgabe wird im Folgenden durch die unabhängigen Ansprüche der Erfindung gelöst.This object is achieved in the following by the independent claims of the invention.
Erfindungsgemäß wird ein Verfahren zur Erzeugung einer Lichtsollverteilung ZA in einer Zielebene angegeben, wobei das Licht einer Lichtquelle einen Streukörper durchstrahlt und auf die in einer Ausbreitungsrichtung des Lichts liegende Zielebene trifft. Die Lichtquelle erzeugt eine Intensitätsverteilung IE , die den Streueffekt des Streukörpers auf der Basis einer streukörperspezifischen Modellfunktion fNN berücksichtigt, insbesondere kompensiert. Durch die Kenntnis der streukörperspezifischen Modellfunktion fNN ist es also möglich die Effekte des Streukörpers so zu berücksichtigen, dass die erwünschte bzw. geplante Lichtsollverteilung ZA auf die Zielebene trifft. Die Zielebene kann relativ zur ursprünglichen Strahlrichtung hinter, innerhalb oder vor dem Streukörpers liegen. Unabhängig von der Lage der Zielebene - der Streukörper wird in allen Fällen zumindest teilweise von dem Licht durchquert, wodurch Streueffekte erzeugt werden. Die Zielebene liegt also in Ausbreitungsrichtung hinter dieser zuvor durchquerten Strecke des Streukörpers, dessen Streueffekte kompensiert werden müssen. Liegt die Zielebene hinter dem „gesamten“ Streukörper, so berücksichtigt die Modellfunktion fNN also den gesamten Streukörper. Liegt die Zielebene jedoch beispielsweise in der Mitte des Streukörpers, so berücksichtigt die Modellfunktion fNN den Streukörper bis zu seiner Mitte - wobei in einer vorteilhaften Ausführungen auch noch Reflexionseffekte von dahinterliegenden Schichten des Streukörper berücksichtigt werden können. Zudem ist es möglich, dass die Zielebene vor dem Streukörper liegt, wenn das Licht von diesem reflektiert wird - auch in diesem Fall durchstrahlt das Licht den Streukörper zunächst zumindest teilweise bevor das Licht von den „inneren“ Schichten wieder aus dem Strahlkörper herausreflektiert wird.According to the invention, a method for generating a light desired distribution Z A indicated in a target plane, wherein the light of a light source irradiates a scattering body and hits the lying in a propagation direction of the light target plane. The light source generates an intensity distribution I E , the scattering effect of the scattering body on the basis of a scattering body-specific model function f NN considered, in particular compensated. Through the knowledge of the scatterer body-specific model function f NN So it is possible to consider the effects of the scatterer so that the desired or planned Lichtsollverteilung Z A meets the target level. The target plane may be behind, inside, or in front of the scatterer relative to the original beam direction. Regardless of the location of the target plane, the scatterer is in all cases at least partially traversed by the light, creating scattering effects. The target plane is thus in the direction of propagation behind this previously traversed route of the scattering body whose scattering effects must be compensated. If the target plane lies behind the "entire" scattering body, the model function takes into account f NN So the entire scattering body. However, if the target plane lies, for example, in the middle of the scattering body, the model function takes into account f NN the scattering body to its center - which in an advantageous embodiments, even reflection effects of underlying layers of the scattering body can be considered. In addition, it is possible that the target plane lies in front of the scattering body, when the light is reflected by this - in this case, the light first at least partially penetrates the scattering body before the light is reflected back out of the beam body by the "inner" layers.
Vorzugsweise beschreibt die streukörperspezifische Modellfunktion fNN die Streueffekte des Lichts bei einer Wechselwirkung mit dem Streukörper. Dies ermöglicht es, dass unter Verwendung eines geeigneten Algorithmus die Streueffekte berücksichtigt werden können. Mittels der streukörperspezifische Modellfunktion fNN kann also berechnet werden, wie sich das Licht bei dem Durchqueren des Streukörpers verändert.The scattering body-specific model function preferably describes f NN the scattering effects of light when interacting with the scatterer. This allows the scattering effects to be taken into account using a suitable algorithm. By means of the scattering body-specific model function f NN so can be calculated as the light changes as it passes through the scatterer.
In einer bevorzugten Ausgestaltung der Erfindung wird der Streueffekt insofern berücksichtigt, als mit der Modellfunktion fNN die Intensitätsverteilung IE dergestalt berechnet wird, dass sich in der Zielebene die Lichtsollverteilung ZA ergibt. Es wird also eine Intensitätsverteilung IE erzeugt, die sich im Normallfall von der Lichtsollverteilung ZA unterscheidet, aber in der Zielebene möglichst mit der Lichtsollverteilung ZA identisch ist. Würde der Streukörper quasi durch Vakuum ersetzt werden, so wäre ZA= IE.In a preferred embodiment of the invention, the scattering effect is considered insofar as with the model function f NN the intensity distribution I E is calculated such that in the target plane, the light target distribution Z A results. So it becomes an intensity distribution I E generated in the normal case of the light target distribution Z A differentiates, but if possible in the target plane with the light target distribution Z A is identical. If the scattering body were to be replaced by vacuum, as it were, then Z A = I E.
Zweckmäßig wird die streukörperspezifische Modellfunktion fNN von einem neuronalen Netzwerk ermittelt. Gerade für komplexe Systeme, die sich vielleicht gar einer funktionalen Beschreibung im engeren Sinne entziehen, sind neuronalen Netzwerk besonders geeignet, um das Verhalten dieser Systeme zu modellieren. Deshalb ist im Rahmen dieser Erfindung der Begriff Modellfunktion fNN auch als weit gefasst zu betrachten und soll letztlich nur widerspiegeln, dass durch die Eingabe eines Inputwertes mittels der streukörperspezifischen Modellfunktion fNN ein Output erzeugt wird: fNN(ZA) = IE. Dieses Ergebnis kann durch das neuronale Netzwerk generiert worden, ohne dass diesem eine algebraische Funktion an sich zugrunde liegen muss. Das neuronale Netzwerk berechnet bzw. simuliert fNN (ZA ) = IE durch das ihm zugrunde liegende Modell aus künstlichen „Neuronen“ und deren Verbindungen.The scattering body-specific model function is expedient f NN determined by a neural network. Especially for complex systems, which may even evade a functional description in the narrower sense, neural networks are particularly suitable for modeling the behavior of these systems. Therefore, in the context of this invention, the term model function f NN also to be regarded as broad and should ultimately only reflect that by entering an input value by means of the scattering body-specific model function f NN an output is generated: f NN (Z A ) = I E. This result can be generated by the neural network without it having to be based on an algebraic function per se. The neural network calculates or simulates f NN ( Z A ) = I E through the underlying model of artificial "neurons" and their connections.
In einem Schritt, der von der Erfindung unabhängig sein kann und im Vorfeld beispielsweise auch durch ein externes Labor durchführbar ist, kann das neuronale Netzwerk, auf der die Modellfunktion fNN basiert, trainiert werden, indem eine bekannte Intensitätsverteilung IEi den Streukörper durchquert und der Streueffekt als Intensitätsverteilung IAi hinter dem Streukörper gemessen wird. Dies ist eine Voraussetzung, damit sich das Modell des neuronale Netzwerks auf den Streukörper einstellen kann. Im Allgemeinen sollte dieser Vorgang für einen jeden Streukörper durchgeführt werden, der sich aufgrund seiner Streueigenschaften mehr als ein gewisses Maß von einem anderen Streukörper unterscheidet. In diesem Sinne ist zu verstehen, dass die Modellfunktion fNN streukörperspezifisch ist.In one step, which may be independent of the invention and can be carried out in advance by, for example, an external laboratory, the neural network on which the model function f NN based, be trained by a known intensity distribution I egg traverses the scatterer and the scattering effect as intensity distribution I ai is measured behind the scatterer. This is a prerequisite for the model of the neural network to adapt to the scattering body. In general, this process should be carried out for each scattering body, which differs due to its scattering properties more than a certain degree from another scattering body. In this sense, it should be understood that the model function f NN is scatterer body specific.
Die Modellfunktion fNN kann hierbei zweckmäßig wie folgt ermittelt werden: Es wird eine festlegbare Intensitätsverteilung IE1 , insbesondere durch einen optischen Modulator, erzeugt, die den Streukörper durchquert und hierdurch zur Intensitätsverteilung IA1 geformt wird, da der Steuerkörper die Eigenschaften des ursprünglichen Lichtstrahls verändert. Die Intensitätsverteilung IA1 wird mit einem in Ausbreitungsrichtung angeordneten optischen Sensor gemessen. Eine weitere bevorzugte Ausgestaltung ist, anstatt oder zusätzlich zu dem „durchgestrahlten Licht“, dass reflektierte Licht als IA1 mit dem oder einem weiteren optischen Sensor zu messen. Insbesondere für die Fälle, in denen die Zielebene innerhalb des Streukörpers liegt, ist die Verwendung des reflektierten Lichts als IA1 zur Charakterisierung des Streukörpers geeignet.The model function f NN can be suitably determined as follows: It becomes a definable intensity distribution I E1 , in particular by an optical modulator, generates, which traverses the scattering body and thereby to the intensity distribution I A1 is formed because the control body changes the properties of the original light beam. The intensity distribution I A1 is measured with an optical sensor arranged in the propagation direction. A further preferred embodiment is, instead of or in addition to the "transmitted light", that reflected light as I A1 with the or another optical sensor to measure. In particular, for the cases where the target plane lies within the scatterer, the use of the reflected light as I A1 suitable for characterizing the scattering body.
Auf diese Weise wird Kenntnis darüber erlangt, welche Eigenschaften der Lichtstrahl vor dem Eintritt in den Streukörper hatte (IE1 ) und welche er nach dem Durchlauf durch den Streukörper hat (IA1 ). In einem weiteren Schritt werden die Intensitätsverteilungen IE1 und IA1 zusammenhängend als ein Tupel (IE1 , IA1 ) in einer Datenbank einer Rechnereinheit abgespeichert, wobei n-weitere Intensitätsverteilungen der Eingangslichtverteilung E und der Ausgangslichtverteilung A erzeugt und in der Datenbank als n-Tupel ((IE1 , IA1 ); (IE2 , IA2 ); ...; (IEn , IAn )) abgespeichert werden. Das n-Tupel wird verwendet, um das neuronales Netzwerk (NN) zu trainieren. Soll die Erfindung reflektiertes Licht kontrolliert auf die Zielebene strahlen, wird das neuronale Netzwerk mit reflektiertem Licht trainiert. In diesem Fall ist der optischen Sensor „vor“ dem Streukörper angeordnet. Soll die Erfindung jedoch transmittiertes Licht kontrolliert auf die Zielebene hinter dem Streukörper strahlen, wird das neuronale Netzwerk mit transmittiertem Licht trainiert und der optischen Sensor ist, in Bezug auf die ursprüngliche Strahlrichtung, hinter dem Streukörper angeordnet. Liegt die Zielebene innerhalb des Streukörpers, so kann zum Training sowohl das reflektierte Licht als auch das transmittierte Licht einzeln oder in Kombination verwendet werden.In this way, knowledge is gained about which properties the light beam had before entering the scattering body ( I E1 ) and which one it has after passing through the scattering body ( I A1 ). In a further step, the intensity distributions I E1 and I A1 connected as a tuple ( I E1 . I A1 ) stored in a database of a computer unit, wherein n-further intensity distributions of the input light distribution e and the output light distribution A generated and stored in the database as n-tuples (( I E1 . I A1 ); ( I E2 . I A2 ); ...; ( I En . I on )) are stored. The n-tuple is used to train the neural network (NN). If the invention is to radiate reflected light in a controlled manner onto the target plane, the neural network is trained with reflected light. In this case, the optical sensor is arranged "in front of" the scattering body. However, if the invention is intended to radiate transmitted light to the target plane behind the scattering body, the neural network is trained with transmitted light and the optical sensor is arranged behind the scattering body with respect to the original beam direction. If the target plane lies within the scattering body, then both the reflected light and the transmitted light can be used individually or in combination for training.
Das erfindungsgemäße Verfahren ermöglicht es die Modellfunktion fNN des Lichtdurchgangs durch den Steuerkörper bzw. bei einer Wechselwirkung mit dem Steuerkörper zu bestimmen, ohne dass hierfür aufwendige zusätzliche Untersuchungen nötig sind, die Rückschlüsse auf die innere Struktur des Streukörpers ermöglichen. Es wird ein Verfahren beschrieben, das unter Zuhilfenahme von Machine-Learning Methoden lediglich mittels Messungen von Paaren von Intensitätsverteilungen (IEi , IAi ) die Modellfunktion fNN erstellt. Die Trainingsphase ermöglicht, dass sich die Parameter des neuronalen Netzwerks quasi automatisch auf den Streukörper einstellen. Hierzu ist keine Kenntnis über die innere Struktur des Streukörpers nötig, sodass dieser als eine Art „Black Box“ angesehen werden kann. Die Güte der Beschreibung von fNN durch das neuronale Netzwerk wird unter anderem von folgenden Faktoren beeinflusst:
- • Von dem Modell und der Implementierung des neuronalen Netzwerks, wobei hierzu im Prinzip eine Vielzahl von verschiedenen Arten neuronaler Netzwerke geeignet sind, die je nach Ausgangssituation oder Bedarf besser oder schlechter geeignet sind.
- • Der Anzahl n des n-Tupels, wobei prinzipiell eine höhere Zahl n eine bessere Beschreibung der Modellfunktion fNN ergibt. Da durch jedes Trainings-Tupel i („i“ ist hierbei der Index-Laufparamater) eine weitere Anpassung der Parameter des neuronalen Netzwerks (z.B. Entwicklung neuer Verbindungen, löschen existierende Verbindungen, Ändern der Gewichtung, Anpassen der Schwellenwerte) an den Streukörper ermöglicht wird. Eine höhere Anzahl n hat aber auch einen höheren Arbeitsaufwand zur Folge hat, sodass im Vorfeld Grenzwerte festgelegt werden können, die eine ausreichende Güte der Modellfunktion fNN kennzeichnen können. Diese Güte kann beispielsweise durch den mittleren quadratischen Fehler (MSE) zwischen einer vorhergesagten Intensitätsverteilung und einer gemessenen Intensitätsverteilung des Lichtstrahls bestimmt werden.
- • Durchmischung der IEi : Vorzugsweise werden die Intensitätsverteilungen IEi randomisiert gemischt oder gezielt verändert. Das hat den Hintergrund, dass es zu ähnliche oder gar gleiche Intensitätsverteilungen IEi dem neuronalen Netz erschweren, den Streukörper „allgemein“ zu beschreiben, weil aufgrund der fehlenden Veränderung der Parameter weniger Informationen zur Anpassung des neuronalen Netzwerks generiert werden.
The method according to the invention enables the model function f NN to determine the light passage through the control body or in an interaction with the control body, without the need for elaborate additional investigations are necessary to allow conclusions about the internal structure of the scatterer. A method is described which, with the aid of machine-learning methods, only by means of measurements of pairs of intensity distributions ( I egg . I ai ) the model function f NN created. The training phase makes it possible for the parameters of the neural network to adjust to the scattered body almost automatically. For this, no knowledge about the internal structure of the scattering body is necessary, so that this can be regarded as a kind of "black box". The goodness of the description of f NN The neural network is influenced by factors such as: - • The model and implementation of the neural network, which, in principle, is suited to a variety of different types of neural networks, which are better or worse suited to their initial situation or needs.
- • The number n of the n-tuple, where in principle a higher number n gives a better description of the model function f NN results. Since each training tuple i ("i" in this case the index running parameter) allows a further adaptation of the parameters of the neural network (eg development of new connections, delete existing connections, changing the weighting, adjusting the threshold values) to the scatter body. However, a higher number n also entails a higher workload, so that limit values can be set in advance that provide a sufficient quality of the model function f NN can identify. This quality can be determined, for example, by the mean square error (MSE) between a predicted intensity distribution and a measured intensity distribution of the light beam.
- • mixing the I egg Preferably, the intensity distributions become I egg randomized mixed or targeted. This has the background that there are similar or even equal intensity distributions I egg To make it difficult for the neural network to describe the scattering element "generally" because less information about the adaptation of the neural network is generated due to the missing change of the parameters.
Das erfindungsgemäße Verfahren kann durch eine Rechnereinheit durchgeführt werden auf der sowohl das neuronale Netz implementiert ist, die aber zusätzlich die Generierung und die Datenaufnahme der (IEi , IAi ) steuern kann. Prinzipiell können diese Aufgaben aber auch auf mehrere Rechnereinheiten und/oder Prozessoren verteilt sein.The method according to the invention can be carried out by a computer unit on which both the neural network is implemented, but which additionally supports the generation and the data acquisition of the ( I egg . I ai ) can control. In principle, however, these tasks can also be distributed over several computer units and / or processors.
Vorzugsweise wird eine erste Untermenge des n-Tupels ((IE1 , IA1 ); (IE2 , IA2 ); ...; (IEi-1 , IAi-1 )) für das Training des neuronalen Netzwerks und eine zweite Untermenge des n-Tupels ((IEi , IAi ); (IEi+1 , IAi+1 ); ...; (IEn , IAn )) zum Testen des neuronalen Netzwerks verwendet wird. Typischerweise kann eine Anzahl n = 1000 verwendet werden, wobei 800 Tupel (IEi , IAi ) für das Training und 200 Tupel (IEi , IAi ) für das Testen verwendet werden. Je nach Art des Streukörpers oder der benötigten Genauigkeit der funktionalen Beschreibung fNN können aber auch 8000 Tupel (IEi , IAi ) für das Training und 2000 Tupel (IEi , IAi ) für das Testen verwendet werden. Das Verhältnis zwischen den Training- und den Test-Tupeln ist bevorzugt so ausgelegt, dass mindestens so viele Tupel für das Training wie für das Testen verwendet werden. Besonders bevorzugt werden mehr als doppelt so viele Tupel für das Training wie für das Testen verwendet. Durch das Testen kann die Aussagekraft und die Güte der funktionalen Beschreibung fNN überprüft werden.Preferably, a first subset of the n-tuple (( I E1 . I A1 ); ( I E2 . I A2 ); ...; ( I egg-1 . I Ai-1 )) for the training of the neural network and a second subset of the n-tuple (( I egg . I ai ); ( I egg + 1 . I Ai + 1 ); ...; ( I En . I on )) is used to test the neural network. Typically, a number n = 1000 can be used with 800 tuples ( I egg . I ai ) for training and 200 tuples ( I egg . I ai ) can be used for testing. Depending on the type of diffuser or the required accuracy of the functional description f NN but also 8000 tuples ( I egg . I ai ) for training and 2000 tuples ( I egg . I ai ) can be used for testing. The ratio between the training and the test tuples is preferably designed so that at least as many tuples are used for training as for testing. More preferably, more than twice as many tuples are used for training as for testing. By testing, the meaningfulness and the quality of the functional description f NN be checked.
Gemäß einem weiteren Aspekt der Erfindung wird ein System zur Erzeugung der Lichtsollverteilung ZA in der Zielebene angegeben, wobei das System aufweist:
- • einen Laser zur Erzeugung eines reproduzierbaren Lichtstrahls. Laser eignen sich besonders gut zur Erzeugung eines kohärenten reproduzierbaren Lichtstrahls. Vorzugsweise wird der Lichtstrahl mit einem gaußschen Stahlprofil erzeugt. Besonders interessant sind Gauß-Strahlen, weil sie einerseits den einfachen Rechenmethoden der Strahlenoptik gehorchen, andererseits aber auch Phasenbetrachtungen wie in der Wellenoptik erlauben und eine Aufweitung des Lichtstrahls verhindern. Zudem wird durch einen Laser vorteilhaft ermöglicht, dass gezielt bestimmte Wellenlängen durch den Streukörper gesendet werden können.
- • einen optischen Modulator, der mit dem Lichtstrahl wechselwirkt und eine Eingangslichtverteilung E mit festlegbarer Intensitätsverteilung IE erzeugt. Dies begründet auch, weshalb der durch den Laser erzeugte Lichtstrahl reproduzierbar sein sollte. Ist nämlich der optische Modulator auf eine bestimmte Veränderung des Lichtstrahls eingestellt, so kann die sich hieraus ergebende Intensitätsverteilung IE ohne eine weitere zusätzliche Messung, die im Übrigen den Lichtstrahl wieder verändern würde, nur dann bekannt sein, wenn der von dem Laser erzeugte Lichtstrahl reproduzierbar ist und also bekannte und gleichbleibende Eigenschaften aufweist. Änderungen im unteren Prozentbereich des Lichtstrahls stellen für die meisten Anwendungen im Normallfall kein Problem dar. Die Strahleigenschaften müssen nicht im Detail bekannt sein, da das neuronale Netzwerk die spezifische Intensitätsverteilung bei der Anstrahlung des Modulators mitlernt, d.h. beim Lernen berücksichtigt.
- • einen Streukörper, den die Eingangslichtverteilung E in Strahlrichtung durchquert
- • eine Rechnereinheit, die mithilfe der Modellfunktion fNN die Eingangslichtverteilung E, die sich in der Zielebene zur Lichtsollverteilung ZA ermittelt. Vorzugsweise ist der optische Modulator mit der Rechnereinheit verbunden, wird von dieser gesteuert und überträgt Messwerte an diese.
According to a further aspect of the invention, a system for generating the desired light distribution Z A specified in the target level, the system comprising: - A laser for producing a reproducible light beam. Lasers are particularly well suited for generating a coherent reproducible light beam. Preferably, the light beam is generated with a gaussian steel profile. Particularly interesting are Gaussian rays, because they obey the simple calculation methods of ray optics on the one hand, but on the other hand also permit phase considerations as in wave optics and prevent an expansion of the light beam. In addition, it is advantageously made possible by a laser that specific specific wavelengths can be transmitted through the scattering body.
- • an optical modulator that interacts with the light beam and an input light distribution e with definable intensity distribution I E generated. This also explains why the light beam generated by the laser should be reproducible. Namely, if the optical modulator is set to a certain change in the light beam, the resulting intensity distribution I E without a further additional measurement, which would otherwise change the light beam again, be known only if the light beam generated by the laser is reproducible and thus has known and consistent properties. Changes in the lower percentage range of the light beam pose no problem for most applications in the normal case. The beam properties need not be known in detail since the neural network learns the specific intensity distribution when the modulator is illuminated, ie taken into account during learning.
- • a diffuser, the input light distribution e traversed in the beam direction
- • a computer unit using the model function f NN the input light distribution e , which are in the target level for light distribution Z A determined. Preferably, the optical modulator is connected to the computer unit, is controlled by the computer unit and transmits measured values to it.
Ein System zur Ermittlung der Modellfunktion fNN weist zusätzlich auf:
- • einen optischen Sensor zur Aufzeichnung einer Ausgangslichtverteilung A, die aus dem Streukörper austritt. Hierbei kann es sich bei der Ausgangslichtverteilung A um transmittiertes und/oder reflektiertes Licht handeln. Hierdurch kann die Intensitätsverteilung IAi der Ausgangslichtverteilung Ai gemessen werden. Vorzugsweise ist der optische Sensor ebenfalls mit der Rechnereinheit verbunden und transferiert die Messung an diese weiter. Der optische Sensor kann optional auch bei dem System zur Erzeugung der Lichtsollverteilung ZA in der Zielebene vorgesehen sein, wenn als Zielebene der optische Sensor vorgesehen ist. Für andere Verwendungen zur Erzeugung der Lichtsollverteilung ZA in der Zielebene ist der optische Sensor nicht Teil dieses Systems, da dieser ja ansonsten verhindern würde, dass der Lichtstrahl seine Zielebene erreicht - es sei denn, dass hinter dem Streukörper ein Strahlteiler vorgesehen ist. Dieser ermöglicht nämlich eine Verifikationsmöglichkeit der Lichtsollverteilung ZA außerhalb der Zielebene.
- • ein neuronales Netzwerk (NN), das auf der Rechnereinheit implementiert ist und die Modellfunktion fNN des Lichtdurchgangs durch den Steuerkörper berechnet.
A system for determining the model function f NN additionally has: - • an optical sensor for recording an output light distribution A , which emerges from the scattering body. This may be the output light distribution A to act on transmitted and / or reflected light. This can the intensity distribution I ai the output light distribution Ai be measured. Preferably, the optical sensor is also connected to the computer unit and transfers the measurement to this further. Optionally, the optical sensor can also be used in the system for generating the desired light distribution Z A be provided in the target level, if the optical sensor is provided as the target level. For other uses for generating the desired light distribution Z A in the target plane, the optical sensor is not part of this system, since otherwise it would prevent the light beam from reaching its target plane - unless a beam splitter is provided behind the scatterer. This allows a verification of the light target distribution Z A outside the target level.
- A neural network (NN) implemented on the computing unit and the model function f NN the light passage through the control body calculated.
Durch diese beiden Systeme wird ermöglicht, dass ein Aufbau, der ohnehin für das Erzeugen eines Lichtstrahls verwendet werden würde, ohne große Modifikation zugleich zur Charakterisierung des Streukörpers verwendet werden kann. Als zusätzliche Hardware ist also im Wesentlichen nur der optische Sensor nötig. Vorteilhaft kann durch neuronale Netzwerke quasi jeder beliebige Streukörper beschrieben werden, ohne dass dessen innere Struktur bekannt sein müsste.These two systems make it possible for a structure which would anyway be used for generating a light beam to be used at the same time for characterizing the scattering body without great modification. As additional hardware, essentially only the optical sensor is necessary. Virtually any scattering body can be described by neural networks, without its internal structure would have to be known.
Für die praktische Anwendung ist dieses Verfahren also hervorragend geeignet, da es zugleich den Arbeitsaufwand als auch die Ressourcen optimal ausnutzt. Im Allgemeinen liegt einem Streukörper jeweils eine ihm zugeordnete, eigene Modellfunktion fNN zugrunde. Sind sich zwei verschiedene Streukörper allerdings hinreichend ähnlich, so kann gegebenenfalls die Modellfunktion fNN des einen Streukörpers auch zur Beschreibung des anderen Streukörpers verwendet werden. Hierdurch wird beispielsweise ermöglicht, dass manche Labore gezielt mit der Charakterisierung von Streukörpern beauftragt werden können und ihre Ergebnisse als Modellfunktion fNN gezielt an Anwender weitergeben oder verkaufen können.For practical application, this method is thus outstandingly suitable, since it optimally exploits both the workload and the resources. In general, a scattering body has its own model function assigned to it f NN based. However, if two different scattering bodies are sufficiently similar, the model function may possibly be the same f NN of a scattering body are also used to describe the other scattering body. This makes it possible, for example, that some laboratories can be specifically commissioned with the characterization of scattering bodies and their results as a model function f NN Targeted to users can pass or sell.
Dies ermöglicht eine Aufgabenverteilung bezüglich der Charakterisierung des Streukörpers durch die Modellfunktion fNN und der praktischen Anwendung beim Erzeugen der gewünschten Ziellichtverteilung in der Zielebene unter Zuhilfenahme der Modellfunktion fNN . Ein geeigneter Algorithmus des Anwenders verwendet sowohl die Modellfunktion fNN als auch die gewünschte Ziellichtverteilung in dem Zielgebiet als Eingangsparameter und berechnet hieraus, wie die Intensitätsverteilung IE sein muss, um in dem Zielgebiet die Lichtsollverteilung zu ergeben. Weitere Parameter, die durch geeignete Mittel beeinflusst werden können sind Phasenbeziehung, Amplituden und/oder Wellenlängen. Bei dem Zielgebiet kann es sich insbesondere um eine Zielebene handeln, die senkrecht zum Wellenvektor des Lichtstrahls vorgesehen ist.This allows a distribution of tasks regarding the characterization of the scattering body by the model function f NN and the practical application in generating the desired target light distribution in the target plane with the aid of the model function f NN , A suitable algorithm of the user uses both the model function f NN as well as the desired target light distribution in the target area as input parameters and calculates from this how the intensity distribution I E must be in order to give the desired light distribution in the target area. Other parameters which may be affected by suitable means are phase relationship, amplitudes and / or wavelengths. The target area may in particular be a target plane which is provided perpendicular to the wave vector of the light beam.
Zweckmäßig ist der optische Modulator ein räumlicher Lichtmodulator (Spatial Light Modulator „SLM“), der die Intensität des Lichtstrahls zweidimensional moduliert. Für viele Anwendungen ist die Kontrolle der Intensität des Lichtstrahls von hoher Bedeutung. Zusätzlich wird der Aufbau durch einen optischen Modulator, der lediglich die Intensität des Lichtstrahls verändert, vereinfacht und beschleunigt. Eine Charakterisierung des Steuerkörpers kann hierdurch prinzipiell innerhalb weniger Minuten durchgeführt werden. Besonders bevorzugt ist der räumliche Lichtmodulator ein digitaler Spiegel zum Erzeugen eines binären Intensitätsmusters. Bekannte hochgeschwindigkeits digitale Spiegel („high speed digital micromirror device“, DMD) können binäre Muster hoher und niedrige Werte (1er und 0er) mit einer Bildfrequenz von 22,7 kHz erzeugen. Wird also beispielsweise ein Dauerstrichlaser eingesetzt, der beständig auf den digitalen Spiegel strahlt, kann das n-Tupel (IEi , IAi ) mit dieser Frequenz erzeugt werden. Weitere mögliche Typen von SLM basieren auf flüssigen Kristallen und werden insbesondere zur Phasenmodulation verwendet. In diesem Fall wäre es zweckmäßig Phasenmuster anstatt Intensitätsmuster zum Training des neuronalen Netzwerks zu verwenden. Es ist im Prinzip möglich mit einer Kombination von mehreren optischen Modulatoren, mehrere Lichtparameter (Intensität, Phase und Polarisation) gleichzeitig zu variieren, um die bestmöglich Kontrolle über die Lichtverteilung zu bekommen. Hierdurch wird das Verfahren noch flexibler und genauer.Suitably, the optical modulator is a spatial light modulator (Spatial Light Modulator "SLM"), which modulates the intensity of the light beam two-dimensionally. For many applications, controlling the intensity of the light beam is of great importance. In addition, the structure is simplified and accelerated by an optical modulator which only changes the intensity of the light beam. A characterization of the control body can be carried out in principle within a few minutes. Particularly preferably, the spatial light modulator is a digital mirror for generating a binary intensity pattern. Known high speed digital micromirror devices (DMDs) can generate binary patterns of high and low values (1's and 0's) with a frame rate of 22.7 kHz. So if, for example, a continuous wave laser is used, which radiates steadily on the digital mirror, the n-tuple ( I egg . I ai ) are generated at this frequency. Other possible types of SLM are based on liquid crystals and are used in particular for phase modulation. In this case, it would be useful to use phase patterns rather than intensity patterns to train the neural network. It is possible in principle, with a combination of several optical modulators, to simultaneously vary several light parameters (intensity, phase and polarization) in order to obtain the best possible control over the light distribution. This makes the process even more flexible and accurate.
In einer bevorzugten Ausgestaltung der Erfindung wird die Strahleigenschaft des Lasers auf die Materialeigenschaft des Streukörpers angepasst. Hierdurch kann verhindert oder gezielt hervorgerufen werden, dass sich optische Effekte höherer Ordnung ergeben, die durch die hohe Leistungsdichte des Lasers erzeugt werden können. Insbesondere können nicht-lineare Effekte bei hohen Leistungsdichten für bildgebende Verfahren, wie z.B. die Zweiphotonen-Mikroskopie, sehr zweckmäßig sein. Diese können z.B. für Mikroskopie im Gewebe verwenden werden. Hohe Leistungsdichten können insbesondere mit gepulsten Lasern erreicht werden. Zudem kann prinzipiell eine Wellenlänge des Lasers gewählt werden für die das Material des Streukörpers optisch geeignet durchlässig ist.In a preferred embodiment of the invention, the beam property of the laser is adapted to the material property of the scattering body. As a result, it can be prevented or deliberately induced that higher order optical effects result, which can be generated by the high power density of the laser. In particular, nonlinear effects at high power densities can be used for imaging techniques, such as imaging. the two-photon microscopy, be very useful. These may e.g. for microscopy in tissue. High power densities can be achieved in particular with pulsed lasers. In addition, in principle, a wavelength of the laser can be selected for which the material of the scattering body is optically suitable permeable.
Als optischer Sensor, der in Strahlrichtung hinter dem Streukörper angeordnet ist, kann eine CCD-Kamera verwendet werden. Die CCD-Kamera ist aufgrund ihrer Pixelstruktur besonders gut geeignet um eine zweidimensional aufgelöste Intensitätsverteilung aufnehmen zu können. Durch eine geeignete Auswahl von CCD-Kameras mit anderen Pixelzahlen bzw. Pixelgrößen kann die Genauigkeit der räumlichen Auflösung der Intensitätsverteilung festgelegt werden. Zudem kann eine CCD-Kamera eine Bildaufnahmerate von einigen 1000 Bildern pro Sekunde aufweisen und ermöglicht hierdurch eine sehr schnelle Datenaufnahme. Eine Alternative ist eine cmos Kamera. Prinzipiell würde jeder Detektor mit einer ausreichenden Anzahl an Pixeln funktionieren.As an optical sensor, which is arranged in the beam direction behind the scattering body, a CCD camera can be used. The CCD camera Due to its pixel structure, it is particularly well suited for recording a two-dimensionally resolved intensity distribution. By a suitable selection of CCD cameras with different pixel numbers or pixel sizes, the accuracy of the spatial resolution of the intensity distribution can be determined. In addition, a CCD camera can have an image acquisition rate of a few 1000 images per second, thereby enabling very fast data acquisition. An alternative is a cmos camera. In principle, each detector would work with a sufficient number of pixels.
Da die Zielebene in ursprünglicher Strahlrichtung innerhalb, hinter oder vor dem Streukörper angeordnet sein kann, wird die Anzahl der Verwendungsmöglichkeiten des Verfahrens deutlich erhöht. Hierdurch können sich allerdings gegebenfalls auch weitergehende Anforderungen bei der Bestimmung der Modellfunktion fNN ergeben. Dies wird anhand des folgenden Beispiels erläutert: Es sein ein Streukörpers mit der Länge L gegeben. Das Zielgebiet soll innerhalb des Streukörpers nach der Strecke L/2 liegen. Zum Auffinden der geeigneten Modellfunktion fNN durch das neuronale Netzwerk kann nun das vorstehend beschriebene Verfahren bei einem möglichst vergleichbaren Streukörper der Länge L/2 durchgeführt werden. Das Ergebnis der Modellfunktion fNN kann dann verwendet werden, um die erwünschte Lichtsollverteilung innerhalb des Streukörpers der Länge L nach der Strecke L/2 zu berechnen. Die Modellfunktion fNN kann auch bei einem vergleichbaren Körper näherungsweise bestimmt und in der Folge durch zusätzliche Messungen, insbesondere von gestreutem oder fluoreszierendem Licht, an dem Streukörper genauer angepasst werden. Es versteht sich, das weitere Verfahren existieren, um die Lichtsollverteilung innerhalb des Steuerkörpers zu beschreiben und dass diese weiteren Verfahren den Rahmen dieser Erfindung nicht verlassen. Bevorzugt wird die berechnete Intensitätsverteilung IE in einem externen Labor durch einen Laser und einem optischen Modulator erzeugt, deren Eigenschaften denen des Lasers und des optischen Modulators zur Erzeugung der Lichtsollverteilung ZA zumindest so ähnlich sind, dass hierdurch kein wesentlicher Einfluss auf die berechnete Intensitätsverteilung IE verursacht wird. Es kann sich hierbei um denselben Laser und/oder denselben optischen Modulator handeln.Since the target plane can be arranged in the original beam direction within, behind or in front of the scattering body, the number of possible uses of the method is significantly increased. However, this may also give rise to further requirements when determining the model function f NN result. This is explained by the following example: It is a scattered body with the length L given. The target area should lie within the scattering body after the distance L / 2. To find the appropriate model function f NN Through the neural network, the method described above can now be carried out with a litter body of comparable length as possible. The result of the model function f NN can then be used to calculate the desired desired light distribution within the scattering body of length L after the distance L / 2. The model function f NN can also be approximately determined in a comparable body and subsequently adapted more precisely by additional measurements, in particular of scattered or fluorescent light, at the scattering body. It is understood that the further method exist to describe the desired light distribution within the control body and that these further methods do not depart from the scope of this invention. The calculated intensity distribution is preferred I E generated in an external laboratory by a laser and an optical modulator whose properties are those of the laser and the optical modulator for generating the light desired distribution Z A at least so similar that this does not significantly affect the calculated intensity distribution I E is caused. This may be the same laser and / or the same optical modulator.
Der Laser kann sowohl ein Pulslaser oder ein Dauerstrichlaser sein. Unter einem Pulslaser versteht man einen Laser, der das Licht nicht kontinuierlich emittiert, sondern gepulst betrieben wird, d. h. das Licht in zeitlich begrenzten Portionen (den Pulsen) emittiert. Je nach zeitlicher Länge der Pulse spricht man von Kurz- oder Ultrakurzpulslasern. Im Gegensatz dazu emittiert der Dauerstrichlaser das Licht kontinuierlich. Dauerstrichlaser sind besonders geeignet, falls eine kontinuierliche Bestrahlung des Zielgebiets erreicht werden soll, wohingegen Pulslaser die Möglichkeit einer hohen zeitlichen Auflösung des Zielgebiets ermöglichen, wie sie beispielsweise bei der nichtlinearen Mikroskopie benötigt wird. In vielen Mikroskopie-Anwendungen, dient der Pulslaser dazu, hohe Intensitäten zu erzeugen und gleichzeitig die Durchschnittsleistung tief zu halten.The laser can be either a pulsed laser or a continuous wave laser. A pulsed laser is understood to mean a laser that does not emit the light continuously but is pulsed, ie. H. the light in time-limited portions (the pulses) emitted. Depending on the length of the pulse, we speak of short or ultra short pulse lasers. In contrast, the continuous wave laser emits the light continuously. Continuous wave lasers are particularly suitable if continuous irradiation of the target area is to be achieved, whereas pulse lasers enable the possibility of a high temporal resolution of the target area, as is required, for example, in nonlinear microscopy. In many microscopy applications, the pulse laser serves to generate high intensities while keeping the average power low.
Ein zusätzlicher Aspekt der Erfindung betrifft die Verwendung des Verfahrens zur Erzeugung der gewünschten Lichtsollverteilung ZA in dem Zielgebiet bei der biomedizinischen Bildgebung, in der Optikgenetik, der Mikroskopie, der Medizin und/oder bei der Glasfaser-Kommunikation. Bei der Mikroskopie ist es nunmehr möglich einen fokussierten Laserstrahl auf die Zielebene im Inneren einer Probe zu richten bzw. auf eine Probe, die hinter einem Streukörper liegt. Die sogenannte Scanning-Mikroskopie kann mit der linearen oder nichtlinearen Mikroskopie kombiniert werden, um Kontraste von intrinsischen Signalen zu erzeugen oder sie kann auf fluoreszierende Proben angewendet werden. Das Verfahren kann verwendet werden, um bei der Laser-Chirurgie passende Label in das Gewebe einzubringen. Mit Laserpulsen hoher Intensität lassen sich Gewebe, Knochen oder Gefäße auch direkt schneiden. Auch bei Endoskopie-Untersuchungen und der Endoskopie-Chirurgie kann der Lichtstrahl mit gewünschten Eigenschaften in das Zielgebiet eingebracht werden. Das gilt auch für die Glasfaser-Kommunikation, wo es ebenfalls von Bedeutung ist den Lichtstrahl bei seinem Durchgang durch den Streukörper zu kontrollieren, um beispielsweise Signale voneinander trennen zu können oder hohe Bandbreiten zu ermöglichen.An additional aspect of the invention relates to the use of the method for generating the desired light desired distribution Z A in the target area in biomedical imaging, optic genetics, microscopy, medicine and / or fiber communication. In microscopy, it is now possible to direct a focused laser beam to the target plane inside a sample or to a sample that lies behind a scattering body. Scanning microscopy can be combined with linear or non-linear microscopy to produce contrasts of intrinsic signals, or it can be applied to fluorescent samples. The method can be used to introduce suitable labels into the tissue during laser surgery. With high-intensity laser pulses, tissue, bones or vessels can also be cut directly. Also in endoscopic examinations and endoscopic surgery, the light beam can be introduced with desired properties in the target area. This also applies to the fiber optic communication, where it is also important to control the light beam as it passes through the diffuser, for example, to be able to separate signals from each other or to allow high bandwidths.
Weitere Vorteile, Eigenschaften und Weiterbildungen der vorstehenden Erfindung ergeben sich aus den abhängigen Ansprüchen sowie aus der nachstehenden Beschreibung von bevorzugten Ausführungsbeispielen.Further advantages, features and developments of the present invention will become apparent from the dependent claims and from the following description of preferred embodiments.
Die Erfindung wird nachstehend unter Bezugnahme auf die Ausführungsbeispiele näher erläutert.
- 1: zeigt einen schematischen Aufbau eines erfindungsgemäßen Systems zur funktionalen Beschreibung eines Lichtdurchgangs durch einen Streukörper mittels eines neuronalen Netzwerks.
- 2: zeigt einen schematischen Aufbau eines erfindungsgemäßen Systems zur Erzeugung einer Lichtsollverteilung in einer Zielebene beim Lichtdurchgang durch einen Streukörper.
- 3: zeigt eine mögliche technische Realisierung der Systeme aus 1 und 2.
- 4: zeigt Simulationen und Messergebnisse der Lichtsollverteilung in der Zielebene bei einer funktionalen Beschreibung des Streukörpers durch ein einschichtiges neuronales Netzwerk.
- 5: zeigt Simulationen und Messergebnisse der Lichtsollverteilung in der Zielebene bei einer funktionalen Beschreibung des Streukörpers durch ein „Convolutional Neural Network“.
- 6: zeigt weitere Simulationen und Messergebnisse des erfindungsgemäßen Verfahrens.
- 7: zeigt weitere Messergebnisse des erfindungsgemäßen Verfahrens.
The invention will be explained in more detail below with reference to the embodiments. - 1 1 shows a schematic structure of a system according to the invention for the functional description of a passage of light through a scattering body by means of a neural network.
- 2 FIG. 1 shows a schematic structure of a system according to the invention for generating a desired light distribution in a target plane when light passes through a scattering body.
- 3 : shows a possible technical realization of the systems 1 and 2 ,
- 4 : shows simulations and measurement results of the light target distribution in the target plane in a functional description of the scatterer through a single-layer neural network.
- 5 : shows simulations and measurement results of the light target distribution in the target plane in a functional description of the scatterer body by a "Convolutional Neural Network".
- 6 : shows further simulations and measurement results of the method according to the invention.
- 7 : shows further measurement results of the method according to the invention.
1 zeigt einen schematischen Aufbau eines erfindungsgemäßen Systems 10 zur funktionalen Beschreibung eines Lichtdurchgangs 11 durch einen Streukörper 12 mittels eines neuronalen Netzwerks 14. Um eine Modellierung des neuronalen Netzwerks (NN) 14 durchführen zu können, wird dieses auf einer Rechnereinheit implementiert. Prinzipiell existiert eine Vielzahl von neuronalen Netzwerken 14, die zur Beschreibung von komplexen Systemen, wie etwa dem Streuverhalten eines Streukörpers, verwendet werden können. Die Erfindung ist deshalb nicht auf die im Folgenden explizit beschriebenen neuronalen Netzwerke 14 beschränkt. 1 shows a schematic structure of a system according to the invention 10 for the functional description of a passage of light 11 through a scattering body 12 using a neural network 14 , To model the neural network (NN) 14 To be able to perform this is implemented on a computer unit. In principle, there are a large number of neural networks 14 , which can be used to describe complex systems, such as the scattering behavior of a scattering body. The invention is therefore not based on the neural networks explicitly described below 14 limited.
Vorliegend hat das neuronale Netzwerk 14 aus 1 eine Eingabeschicht 14a, eine verborgene Schicht 14b und eine Ausgabeschicht 14c. Das neuronale Netzwerk 14 kann genutzt werden, um den Lichtdurchgang 11 durch den Streukörper 12 zu beschreiben, ohne dass hierfür eine Kenntnis über beispielsweise die Materialzusammensetzung des Streukörpers 12 bekannt sein muss. Prinzipiell kann der Steuerkörper 12 also als eine Art „Black Box“ betrachtet werden. Die Beschreibung des Streuverhaltens des Streukörpers 12 wird im Folgenden durch das die Modellfunktion fNN repräsentiert. fNN liefert also eine durch das neuronale Netzwerk 14 erzeugte quantitative simulierte Beschreibung des Lichtdurchgangs 11 durch den Streukörper 12. Damit das neuronale Netzwerk 14 allerdings die Modellfunktion fNN generieren kann, muss es zuvor trainiert werden.In the present case has the neural network 14 out 1 an input layer 14a , a hidden layer 14b and an output layer 14c , The neural network 14 Can be used to light passage 11 through the scattering body 12 to describe, without knowing this about, for example, the material composition of the scatterer 12 must be known. In principle, the control body 12 So be considered as a kind of "black box". The description of the scattering behavior of the scatterer 12 is hereafter by the model function f NN represents. f NN provides one through the neural network 14 generated quantitative simulated description of the light transmission 11 through the scattering body 12 , So the neural network 14 however the model function f NN must be trained beforehand.
Zu diesem Zweck wird ein n-Tupel Datensatz von Paaren binärer Beleuchtungsmuster, insbesondere von Intensitätsverteilungen, erzeugt. Im Folgenden wird ein „beliebiges“ solches zusammenhängendes Paar als (IEi , IAi ) benannt, wobei i den Laufindex von i = 1, 2, ..., n darstellt. 1 zeigt, dass eine binäre schachbrettartige Intensitätsverteilung IEi eines Lichtstrahls erzeugt wird. Die binäre Intensitätsverteilung ist dadurch gekennzeichnet, dass die entsprechenden Intensitätswerte entweder schwarz oder weiß (0 oder 1) sein sollen und insbesondere im Rahmen der technischen Möglichkeiten keine Grauwerte aufweisen. Entlang ihres Lichtdurchgangs 11 durchquert die Intensitätsverteilung IEi als Eingangsintensitätsverteilung den Streukörper 12 und wird von diesem durch Streueffekte verändert.For this purpose, an n-tuple data set of pairs of binary illumination patterns, in particular of intensity distributions, is generated. In what follows, an "arbitrary" such contiguous pair is referred to as ( I egg . I ai ), where i represents the running index of i = 1, 2, ..., n. 1 shows that a binary checkerboard intensity distribution I egg a light beam is generated. The binary intensity distribution is characterized in that the corresponding intensity values are to be either black or white (0 or 1) and, in particular, have no gray values within the scope of the technical possibilities. Along their passage of light 11 traverses the intensity distribution I egg as input intensity distribution the scattering body 12 and is changed by this by scattering effects.
Nach dem Durchgang durch den Streukörper 12 ergibt sich hieraus also eine geänderte Intensitätsverteilung IAi als Ausgangslichtverteilung. Die ursprünglich schachbrettartige binäre Intensitätsverteilung IEi wird sich im Allgemeinen durch den Streukörper 12 zu der verschwommenen Graustufen Intensitätsverteilung IAi abändern. Weitere mögliche Intensitätsverteilungen IEi sind bspw. die sogenannten Hadamard Muster, wobei im Prinzip beliebige Verteilungen verwendet werden können. IAi und IEi ergeben somit das zusammenhängende Paar (IEi , IAi ), wobei von diesen Paaren beispielsweise eine Anzahl n = 1000 erstellt wird. Die Paare (IEi , IAi ) werden verwendet, um das neuronale Netzwerk 14 mit dem Ziel zu trainieren, dass Rückschlüsse bezüglich der Beziehung zwischen der Eingangslichtverteilung IEi und der Ausgangslichtverteilung IAi beim Durchgang durch den Streukörper 12 abgeleitet werden können. Die Intensitätsverteilungen IAi der Ausgangslichtverteilung werden hierbei als Input 16 und die Intensitätsverteilungen IEi als Output 18 beim Training des neuronalen Netzes 14 verwendet. Diese Reihenfolge ist von Bedeutung und wird nachstehend noch erläutert.After passing through the diffuser 12 This results in a changed intensity distribution I ai as output light distribution. The original checkerboard binary intensity distribution I egg is generally due to the scattering body 12 to the blurred grayscale intensity distribution I ai amend. Further possible intensity distributions I egg are, for example, the so-called Hadamard pattern, in principle, any distributions can be used. I ai and I egg result in the connected pair ( I egg . I ai For example, a number n = 1000 is created by these pairs. The couples ( I egg . I ai ) are used to connect to the neural network 14 with the aim to train that conclusions regarding the relationship between the input light distribution I egg and the output light distribution I ai when passing through the scattering body 12 can be derived. The intensity distributions I ai the output light distribution is used as input 16 and the intensity distributions I egg as output 18 during training of the neural network 14 used. This order is important and will be explained below.
Jede Intensitätsverteilungen I, C(k), kann als eine Kombination von Lichtstrahlen („plane waves“) mit verschiedenen Richtungsvektoren k („wave-vectors“) angenommen werden. Die Verteilung dieser Lichtstrahlen wird durch das Material des Streukörpers 12 gemäß einer Funktion F[C(k)] deterministisch verändert und resultiert in der scheinbar zufälligen Ausgangslichtverteilung IAi = F[C(k)]. Nach ausreichendem Training kann das neuronale Netzwerk 14 eine Modellfunktion erzeugen, nämlich fNN , die ermöglicht, eine beliebige Lichtverteilung hinter dem Streukörper 12 zu erzeugen.Each intensity distribution I, C (k), can be assumed to be a combination of plane waves with different directional vectors k ("wave-vectors"). The distribution of these light rays is through the material of the scattering body 12 according to a function F [C (k)] deterministically changed and results in the seemingly random output light distribution I ai = F [C (k)]. After sufficient training, the neural network can 14 create a model function, namely f NN , which allows any light distribution behind the scatterer 12 to create.
2 zeigt einen schematischen Aufbau eines erfindungsgemäßen Systems 20 zur Erzeugung einer Lichtsollverteilung ZA , auch als Ziellichtverteilung ZA bezeichnet, in einer Zielebene beim Lichtdurchgang 11 durch den Streukörper 12. Zunächst wird die hinter dem Streukörper 12 gewünschte Intensitätsverteilung als Lichtsollverteilung ZE auf einer Rechnereinheit definiert. Die Lichtsollverteilung ZE wird der Eingabeschicht 14a des neuronalen Netzwerks als Input übergeben. Wie in 1 zu sehen ist, wurde das neuronale Netzwerk von hinten nach vorne, also von der Intensitätsverteilung IAi als Ausgangslichtverteilung zu der Intensitätsverteilung IEi als Eingangslichtverteilung in umgekehrter Strahlrichtung trainiert, sodass das neuronale Netzwerk quasi von „hinten“ nach „vorne“ simuliert. Bei der Eingabe 16 der Lichtsollverteilung ZE in das neuronale Netzwerk 14 folgt als Ergebnis der Berechnung automatisch die Intensitätsverteilung IE , die sich nach dem Durchgang durch den Streukörper 12 zur Lichtsollverteilung ZA ergibt. 2 shows a schematic structure of a system according to the invention 20 for generating a light target distribution Z A , also as a target light distribution Z A referred to, in a target plane at the light passage 11 through the scattering body 12 , First, the behind the scattering body 12 desired intensity distribution as light desired distribution Z E defined on a computer unit. The light roll distribution Z E becomes the input layer 14a of the neural network as input. As in 1 can be seen, the neural network from back to front, so the intensity distribution I ai as an output light distribution to the intensity distribution I egg trained as input light distribution in the reverse direction of the beam, so that the neural network simulates quasi from "behind" to "front". When entering 16 the light roll distribution Z E into the neural network 14 automatically follows the intensity distribution as a result of the calculation I E , which after passing through the scattering body 12 for light distribution Z A results.
Dies ermöglicht gezielt beliebige Lichtsollverteilungen ZA hinter dem Streukörper 12 zu generieren. Das erfindungsgemäße Verfahren kann überprüft werden, indem die Lichtsollverteilung ZA in der Zielebene mit einer Kamera gemessen und mit der gewünschten Ziellichtverteilung ZE verglichen wird. This allows targeted arbitrary Lichtsollverteilungen Z A behind the scattering body 12 to generate. The inventive method can be checked by the light target distribution Z A measured in the target plane with a camera and with the desired target light distribution Z E is compared.
3 zeigt eine mögliche technische Realisierung der Systeme aus 1 und 2. Ein Lichtstrahl 21 eines Lasers 22 wird mittels einer ersten optischen Anordnung 24 auf einen optischen Lichtmodulator 26, der bevorzugt als hochgeschwindigkeits digitaler Spiegel („high speed digital micromirror device“, DMD) 26 ausgebildet ist, gestrahlt. Der DMD 26 erzeugt aus dem Lichtstrahl 21 eine Eingangslichtverteilung Ei eine binäre Intensitätsverteilung IE1 , die ein schachbrettartiges Muster 28 aufweist. Die Intensitätsverteilung IE1 kann computergesteuert nach Wunsch festgelegt und mit einer Frequenz von 22,7 kHz variiert werden, indem der DMD 26 entsprechend verändert wird. Die Intensitätsverteilung IE1 wird mittels einer zweiten optischen Anordnung 30, die zentral eine Lochblende PH umfasst, in ein erstes Mikroskopobjektiv 32 gesendet und von diesem durch den Streukörper 12 fokussiert. 3 shows a possible technical realization of the systems 1 and 2 , A ray of light 21 a laser 22 is by means of a first optical arrangement 24 on an optical light modulator 26 , which is preferably formed as a high-speed digital micromirror device (DMD) 26, blasted. The DMD 26 generated from the light beam 21 an input light distribution E i a binary intensity distribution I E1 holding a checkerboard pattern 28 having. The intensity distribution I E1 can be computer controlled as desired and varied with a frequency of 22.7 kHz by the DMD 26 is changed accordingly. The intensity distribution I E1 is by means of a second optical arrangement 30 , which centrally comprises a pinhole PH, in a first microscope objective 32 sent and from this by the scattering body 12 focused.
Ein zweites Mikroskopobjektiv 34 sammelt die gestreute Intensitätsverteilung IAi auf und übergibt diesen an eine dritte optische Anordnung 36, die diese auf einen Chip einer CCD-Kamera 38, als Zielebene, abbildet. Die quadratischen Bildelemente in 3 zeigen noch einmal exemplarisch die schachbrettartige binäre Intensitätsverteilung IEi und die sich ergebende Intensitätsverteilung IAi , die von der CCC-Kamera 38 aufgezeichnet wurde, als zusammenhängendes Paar (IEi , IAi ). Dieses System kann also genutzt werden, um das n-Tupel (IEi , IAi ) zum Trainieren und Testen des neuronalen Netzwerks 14 zu erzeugen oder aber, wenn die Modellfunktion fNN schon vorliegt, die Lichtsollverteilung ZA in der Zielebene zu erzeugen. Wird als Variation dieses Aufbaus ein am Streukörper 12 reflektierter Strahl zur Messung von IAi verwendet, so kann die gestreute Strahlung auch durch das erste Mikroskopobjektiv 32 eingesammelt werden. In diesem Fall kann also auf das zweite Mikroskopobjektiv 34 verzichtet werden.A second microscope objective 34 collects the scattered intensity distribution I ai and transfers this to a third optical arrangement 36 put these on a chip of a CCD camera 38 , as a target level, maps. The square picture elements in 3 show again exemplarily the checkerboard-like binary intensity distribution I egg and the resulting intensity distribution I ai taken from the ccc camera 38 was recorded as a contiguous pair ( I egg . I ai ). This system can thus be used to generate the n-tuple ( I egg . I ai ) for training and testing the neural network 14 or if the model function f NN already exists, the light roll distribution Z A in the target level. Is used as a variation of this construction on a scattering body 12 reflected beam for measuring I ai used, so the scattered radiation can also through the first microscope objective 32 be collected. In this case, therefore, can on the second microscope objective 34 be waived.
Nicht gezeigt ist die Rechnereinheit, die die besagten Abläufe steuern und die entsprechenden Daten aufzeichnen kann. Das System 10 kann prinzipiell einfach zu den System 20 für weitere Anwendungsmöglichkeiten umgebaut werden, wenn die CCD-Kamera 38 aus dem Strahlengang entfernt wird und die Intensitätsverteilung IAi auf das bzw. in das Zielgebiet gerichtet wird. Das System 20 erlaubt eine Kontrollierung des Lichtstrahls in Echtzeit, sobald das neuronale Netzwerk 14 trainiert ist. Auch ist es möglich hinter der dritten optischen Anordnung einen Strahlteiler vorzusehen, sodass ein Teil der Intensitätsverteilung IAi auf das bzw. in das Zielgebiet gelenkt werden kann und der andere Teil in die CCD-Kamera 38. Auf diese Weise kann verifiziert werden, ob die Lichtsollverteilung ZA tatsächlich korrekt erzeugt wurde.Not shown is the computer unit that can control the said processes and record the corresponding data. The system 10 can in principle be easy to the system 20 be rebuilt for other uses when the CCD camera 38 is removed from the beam path and the intensity distribution I ai directed to or into the target area. The system 20 allows control of the light beam in real time as soon as the neural network 14 is trained. It is also possible to provide a beam splitter behind the third optical arrangement, so that part of the intensity distribution I ai can be directed to the or in the target area and the other part in the CCD camera 38 , In this way it can be verified whether the light roll distribution Z A actually generated correctly.
Die gewünschte Lichtsollverteilung ZA kann erzeugt werden, indem direkt ein komplexes Muster generiert wird, beispielsweise indem man mit dem Laserstrahl den DMD 26 wie in 3 über viele schachbrettartige Pixel direkt anstrahlt („single shot“) oder indem ein Fokus auf jedes einzelne Pixel des DMD 26 gereichtet und diese nacheinander abgescannt werden (Raster-Scanning).The desired light target distribution Z A can be generated by directly generating a complex pattern, for example by using the laser beam to the DMD 26 as in 3 over many checkerboard-like pixels directly illuminates ("single shot") or by focusing on each pixel of the DMD 26 be scanned and these are scanned one after the other (raster scanning).
Die Pixel des DMD 26 haben, wie vorstehend beschrieben, nur die zwei Zustände 0 und 1, wodurch das binäre Intensitätsmuster erzeugt wird. Andere räumliche Lichtmodulatoren, wie etwa Bildschirme aus Flüssigkristall, können auch Zwischenwerte darstellen. Auch diese Lichtmodulatoren können für die Erfindung verwendet werden und erlauben gegebenfalls sogar noch eine feinere Abstimmung der Intensitätsverteilung IEi . Prinzipiell ist jedes Gerät geeignet, welches Eigenschaften eines Lichtstrahls verändern kann. Diese Eigenschaft können die Phase, Polarisation, Amplitude oder die Wellenlänge betreffen. Anstatt der CCD-Kamera 38 können auch andere flächige Detektoren vorgesehen sein, beispielsweise ein Array von APDs („avalance photo diodes“).The pixels of the DMD 26 have, as described above, only the two states 0 and 1 , whereby the binary intensity pattern is generated. Other spatial light modulators, such as liquid crystal displays, may also represent intermediate values. These light modulators can also be used for the invention and, if appropriate, even allow a finer tuning of the intensity distribution I egg , In principle, any device is suitable which can change the properties of a light beam. This property can be phase, polarization, amplitude or wavelength. Instead of the CCD camera 38 It is also possible to provide other planar detectors, for example an array of APDs ("avalanche photo diodes").
Nachfolgend wird eine mögliche Implementierung des neuronalen Netzwerks 14 beschrieben:The following is a possible implementation of the neural network 14 described:
Das neuronale Netzwerk 14 wird trainiert um die Graustufenbilder der Intensitätsverteilung IAi auf die zugehörigen binären Intensitätsverteilungen IEi abzubilden. Hierzu werden beispielsweise 800 Paare (IEi , IAi ) für das Training des und 200 Paare (IEi , IAi ) zum Testen des neuronalen Netzwerks 14 verwendet. Sobald das neuronale Netzwerk 14 trainiert ist, kann die gewünschte Lichtverteilung in die Rechnereinheit eingegeben werden, woraufhin ein entsprechendes „binäres Muster“ für den DMD 26 geplant und an diesen transferiert wird. Der DMD 26 stellt sich diesem Muster entsprechend ein, wodurch der Lichtstrahl 21 des Lasers 22 angepasst wird. Es wurden zwei verschiedene Modelle von neuronalen Netzwerken 14 auf der Rechnereinheit implementiert und getestet.The neural network 14 is trained around the grayscale images of the intensity distribution I ai to the associated binary intensity distributions I egg map. For example, 800 pairs ( I egg . I ai ) for the training of and 200 couples ( I egg . I ai ) for testing the neural network 14 used. Once the neural network 14 is trained, the desired light distribution can be entered into the computer unit, whereupon a corresponding "binary pattern" for the DMD 26 planned and transferred to them. The DMD 26 adjusts itself to this pattern, whereby the light beam 21 the laser 22 is adjusted. There were two different models of neural networks 14 implemented and tested on the computer unit.
Im Rahmen der Erfindung wurde die Keras-Bibliothek (Chollet, F. et al. Keras. https://github.com/keras-team/keras (2015)) mit dem TensorFlow-Backend (Abadi, M. et al. TensorFlow: Large-scale machine learning on heterogeneous systems (2015). URL http://tensorflow.org/) für GPU-beschleunigtes Neuronales Netzwerk-Training verwendet. Die neuronalen Netzwerke 14 sind darauf trainiert, Graustufen-Muster-Bilder auf die entsprechenden binären Beleuchtungsmuster abzubilden. Wenn das neuronale Netzwerk 14 trainiert ist, wird die gewünschte PSF („point-spread-function“) eingeben und die entsprechende binäre Maske des DMD 26 zur Lichtmodulation berechnet. Aus Gründen der Anschaulichkeit wird im Folgenden auch der Begriff Bild anstatt Lichtverteilung oder Intensitätsverteilung verwendet.Within the scope of the invention, the Keras library (Chollet, F. et al., Keras, https://github.com/keras-team/keras (2015)) was used with the TensorFlow backend (Abadi, M. et al., Tensor Flow : Large-scale machine learning on heterogeneous systems (2015). URL http://tensorflow.org/) used for GPU-accelerated neural network training. The neural networks 14 are trained to map grayscale pattern images to the corresponding binary illumination patterns. If that neural network 14 is trained, the desired PSF ("point-spread-function") will enter and the corresponding binary mask of the DMD 26 calculated for light modulation. For the sake of clarity, the term image is used instead of light distribution or intensity distribution in the following.
Eines der verwendeten neuronale Netzwerke 14 ist ein sogenanntes einschichtiges neuronales Netzwerk 14 („single-layer perceptron“, „single-layer neural network“, SLNN). Das SLNN 40, welches in 4 schematisch dargestellt ist, besteht aus einer vollständig verbundenen Schicht 42, gefolgt von einer nichtlinearen Aktivierungsfunktion, die den Ausgang auf den Bereich 0-1 begrenzt. Im Prinzip kann es als Matrix-Punkt-Produkt dargestellt werden mit Bias-Addition und einer Sigmoid-Funktion, die elementweise auf den resultierenden Vektor angewendet wird. Allerdings macht die Aktivierungsfunktion, die für jedes einzelne Element angewendet wird, das Modell anfällig für eine Überpassungen der Daten (sogenanntes „Overfitting“) und erlaubt dadurch keine guten Verallgemeinerungen.One of the neural networks used 14 is a so-called single-layer neural network 14 (Single-layer perceptron, single-layer neural network, SLNN). The SLNN 40 which is in 4 is shown schematically, consists of a fully connected layer 42 , followed by a nonlinear activation function, which sets the output to the range 0 - 1 limited. In principle, it can be represented as a matrix-point product with bias addition and a sigmoid function applied element-wise to the resulting vector. However, the activation function applied to each element makes the model susceptible to data overfitting and thus does not allow for good generalizations.
Als Lösung wurde die nichtlineare Aktivierungsfunktion durch eine Binarisierungsfunktion mit einem gemeinsamen Schwellenwert für das gesamte vorhergesagte Muster (Mittelwert der Vorhersage) ersetzt, was zu einem robusteren Modell und schnellerem Training geführt hat. Die Trainingszeit ist abhängig von der Anzahl der verwendeten Bilder (bspw. 8000 Bilder), der Batch-Größe (Anzahl der Bilder pro Iteration des Trainingsalgorithmus, bspw. 150) und der Anzahl der Epochen (20, für die hier vorgestellten Ergebnisse). Mit diesen Parametern benötigt das SLNN 40 weniger als 4 Minuten für das Training, während die vorhergesagten Bild-Muster etwa 1 s für die Berechnung benötigen.As a solution, the nonlinear activation function has been replaced by a binarization function with a common predicted pattern for the entire predicted pattern (mean of the prediction), resulting in a more robust model and faster training. The training time depends on the number of images used (eg 8000 images), the batch size (number of images per iteration of the training algorithm, eg 150) and the number of epochs ( 20 , for the results presented here). These parameters require the SLNN 40 less than 4 minutes for the training, while the predicted image patterns need about 1 s for the calculation.
Im Fall des SLNN 40 enthält eine einzige, vollständig verbundene Schicht 42 eine große Anzahl von Parametern (das Produkt aus Eingangs- und Ausgangsvektorabmessungen), was diese Modelle hardwaretechnisch sehr anspruchsvoll macht, da die zum Training verwendeten Bilder einen großen Speicherbedarf und eine intensive Prozessornutzung bedingen.In the case of the SLNN 40 contains a single, fully connected layer 42 a large number of parameters (the product of input and output vector dimensions), which makes these models very demanding in terms of hardware, since the images used for training require a large memory requirement and an intensive use of the processor.
Das sogenannte „Convolutional Neural Network“ (CNN) 44, das in 5 schematisch dargestellt ist, kann die Anzahl der trainierbaren Parameter effizient reduzieren. Es wurde ein Modell mit drei Faltungsschichten mit 48 (9 x 9), 24 (5 x 5) bzw. 12 (3 x 3) Filtern verwendet, denen jeweils eine Aktivierung durch eine der rektifizierten Lineareinheiten (ReLU) und eine (2×2) „max pooling“ Operation zugeordnet ist, gefolgt von einer vollständig verbundenen Schicht 42 mit einer Dropout-Rate von 0,25. Das CNN 44 erreicht eine ähnliche Leistung wie das SLNN 40 bei der Steuerung eines einzelnen Fokus bei einem Anteil von 20% der Parameter des SLNN 40.The so-called "Convolutional Neural Network" (CNN) 44 , this in 5 is shown schematically, can reduce the number of trainable parameters efficiently. A model with three convolutional layers with 48 (9 x 9), 24 (5 x 5) and 12 (3 x 3) filters was used, each of which was activated by one of the rectified linear units (ReLU) and one (2 x 2 ) Is assigned to "max pooling" operation, followed by a fully connected layer 42 with a dropout rate of 0.25. The CNN 44 achieves similar performance as the SLNN 40 in the control of a single focus with a share of 20% of the parameters of the SLNN 40 ,
Im Folgenden sollen nun die Ergebnisse von verschiedenen Messungen beschreiben werden, um zu zeigen, dass die Erfindung die ihr gestellte Aufgabe erfolgreich löst.In the following, the results of various measurements will now be described in order to show that the invention successfully solves the problem posed to it.
4 zeigt für das SLNN 40 und 5 zeigt für das CNN 44 die Ergebnisse für den Versuch jeweils drei verschiedene Fokusse 46a, b, c, d, e, f nach einem Durchgang durch einen Glasdiffusor als Streukörper 12 in der Zielebene abzubilden. Die kleinen inneren Quadrate 50 in der ersten Reihe 48 zeigen die erwünschte Lichtsollverteilung ZE als Intensitätsverteilung dargestellt und die größeren Quadrate 52 die mittels der CCD-Kamera 38 gemessene Lichtsollverteilung ZA im Zielgebiet. Schon optisch ist eine sehr gute Übereinstimmung erkennbar. Detaillierter dargestellt sind die Ergebnisse jeweils in der zweiten Reihe 54 und in der dritten Reihe 56. Zu sehen sind hier jeweils die Intensitätsprofile durch den jeweiligen Fokus in horizontaler bzw. vertikaler Richtung. Die gestrichelten Linien 58 kennzeichnen jeweils die theoretische Vorsage des Modells und die durchgezogenen Linien 60 die Messergebnisse. Die gute Übereinstimmung zeigt, dass die Erfindung es ermöglicht einen Lichtstrahl IE , so durch einen Glasdiffusor zu transportieren, dass dieser in dem Zielgebiet hinter dem Glasdiffusor die erwünschte Lichtsollverteilung ZA aufweist. 4 shows for the SLNN 40 and 5 shows for the CNN 44 the results for the experiment each three different foci 46a , b, c, d, e, f after passage through a glass diffuser as scattering body 12 in the target level. The small inner squares 50 in the first row 48 show the desired light target distribution Z E shown as intensity distribution and the larger squares 52 the by means of the CCD camera 38 measured light target distribution Z A in the target area. Even visually, a very good match can be seen. The results are shown in more detail in the second row 54 and in the third row 56 , The intensity profiles can be seen here through the respective focus in the horizontal or vertical direction. The dashed lines 58 each characterize the theoretical idea of the model and the solid lines 60 the measurement results. The good agreement shows that the invention allows a beam of light I E to transport through a glass diffuser, that this in the target area behind the glass diffuser the desired Lichtsollverteilung Z A having.
6 zeigt eine Vielzahl von nicht-trivialen Formen die mittels des SLNN 40 beim Durchlauf durch den Glasdiffusor erzeugt wurden. Wiederum zeigen die kleinen inneren Quadrate 50 die erwünschte Ziellichtverteilung ZE als Intensitätsverteilung und die größeren Quadrate 52 die mittels der CCD-Kamera 38 gemessene Ziellichtverteilung ZA im Zielgebiet. Auch hier ist die ausgezeichnete Übereinstimmung zwischen den vorhergesagten und den gemessenen Mustern im Fall von a) fünf gauß‘schen Fokussen, b) einer 45° Geraden, c) eines Kreises, d) eines „E“s, e) einer 5 und f) den Buchstaben „np“ eindeutig erkennbar. 6 shows a variety of non-trivial forms by means of the SLNN 40 when passing through the glass diffuser were generated. Again, the small inner squares show 50 the desired target light distribution Z E as intensity distribution and the larger squares 52 the by means of the CCD camera 38 measured target light distribution Z A in the target area. Again, the excellent match between the predicted and measured patterns in the case of a) five Gaussian foci, b) a 45 ° line, c) a circle, d) an "E" s, e) a 5, and f ) the letter "np" clearly recognizable.
In 7 wurde ein einzelner Fokus entlang unterschiedlicher Wege über das Sichtfeld einer optischer Faser (Multimodenfaser) gescannt. 7 (a) zeigt wie die Intensitätsverteilung IA eines einzigen Fokus im Zielgebiet aussehen würde, wenn keine vorherige Korrektur der den Streukörper 12 durchlaufenden Intensitätsverteilung IE durchgeführt werden würde. Es ergibt sich ein sehr verzerrtes Bild, welche das ursprüngliche Bildmuster nicht mehr erahnen lässt. Die Bilder (b) bis (d) zeigen wiederum, dass das SLNN 40 es ermöglicht erwünschte Intensitätsverteilungen effektiv in der Zielebene abzubilden. Vorliegend als (b) einen Kreis, (c) ein Quadrat und als (d) eine Anordnung von 5 x 5 PunktenIn 7 For example, a single focus was scanned along different paths across the field of view of an optical fiber (multimode fiber). 7 (a) shows how the intensity distribution I A a single focus in the target area would look like if no prior correction of the scattering body 12 continuous intensity distribution I E would be performed. The result is a very distorted image, which can no longer guess the original pattern. The images (b) to (d) again show that the SLNN 40 it allows to map desired intensity distributions effectively in the target plane. Present as (b) a circle, (c) a square, and (d) a 5 x 5 dot array
Die Erfindung zeigt einige Beispiele von Architekturen von neuronalen Netzwerken, die zur Steuerung einer Lichtwellenfront verwendet werden können. Die Methoden können auf andere verwandte Netzwerkarchitekturen und weitere Bereiche der Wissenschaft ausgedehnt werden, in denen Probleme der Streuung überwunden werden müssen. Hierbei ist die Erfindung nicht auf die Optik beschränkt, sondern kann im Prinzip auf allen Gebieten angewendet werden in denen Streuung ein Problem darstellt, insbesondere zum Beispiel auch in der Akustik. The invention shows some examples of neural network architectures that can be used to control a lightwave front. The methods can be extended to other related network architectures and other areas of science where problems of dispersion must be overcome. Here, the invention is not limited to the optics, but can be applied in principle in all areas in which scattering is a problem, especially for example in acoustics.
ZITATE ENTHALTEN IN DER BESCHREIBUNG QUOTES INCLUDE IN THE DESCRIPTION
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of the documents listed by the applicant has been generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.
Zitierte Nicht-PatentliteraturCited non-patent literature
-
Booth, M. J. Adaptive optical microscopy: the ongoing quest for a perfect image. Light: Science and Applications 3, e165 (2014) [0003]Booth, M.J Adaptive optical microscopy: the ongoing quest for a perfect image. Light: Science and Applications 3, e165 (2014) [0003]
-
Cizmar, T. & Dholakia, K. Exploiting multimode waveguides for pure fibre-based imaging. Nature Communications 3, 1027 (2010) [0003]Cizmar, T. & Dholakia, K. Exploiting multimode waveguides for pure fiber-based imaging. Nature Communications 3, 1027 (2010) [0003]