研究目的
将自动微分框架适配于解决实际且复杂的叠层成像相位恢复问题,并展示其在速度、精度、适应性以及跨不同扫描技术的泛化能力方面的优势。
研究成果
该论文得出结论:自动微分叠层成像技术(ADP)在速度和精度方面显著优于当前最先进的算法(如PIE系列算法——包括ePIE和多探针ePIE)。通过合成数据与真实实验数据的验证,ADP展现出对前向模型修改的灵活适应性及其卓越的收敛特性。研究同时强调了优化小批量尺寸对于平衡ADP算法速度与精度的重要性。
研究不足
该研究承认在叠层成像实验中确定探针精确复杂光束轮廓存在实际困难,这会影响探针和物体重建的准确性。它还指出在自适应动态规划(ADP)中,小批量大小在速度与精度之间存在权衡。
1:实验设计与方法选择:
本研究采用自动微分(AD)技术解决叠层扫描相位恢复问题,并将其性能与传统方法(如PIE和ePIE)进行对比。研究方法包括将相位恢复问题构建为优化问题,并利用AD自动计算梯度以实现优化。
2:样本选择与数据来源:
使用先进光源(APS)21-ID-D光束线Bionanoprobe的模拟数据与真实实验数据。模拟数据包含步进扫描与飞扫模式下的集成芯片图像。
3:实验设备与材料清单:
用于计算速度对比的Nvidia TITAN X GPU;步进扫描采用512×512像素模拟芯片图像,飞扫模式采用256×256像素图像,并设定特定光束直径与探针尺寸。
4:实验流程与操作步骤:
在相同计算资源上运行ADP与ePIE算法,针对ADP优化小批量尺寸与学习率等参数,并通过峰值信噪比(PSNR)指标比较重建质量。
5:数据分析方法:
通过重建图像与真实图像的峰值信噪比(PSNR)对比重建质量;在固定时间内于Nvidia TITAN X GPU上运行两种算法以比较计算速度。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容