AFNN神经网络搭建

🧠 一、AFNN 系统结构回顾（你要搭的是什么）

目标：搭建一个4f 光学神经网络系统，实现图像分类（例如 MNIST）或光场模式识别。

光路主要包括 5 个部分：

模块	对应物理器件	作用
光源	激光器 (Laser)	提供相干光场（单模）
输入编码	DMD 或 SLM1	把输入数字图像调制成光振幅/相位分布
光学变换	一对透镜 (4f系统)	实现傅里叶变换与逆变换
可训练层	SLM2 (Spatial Light Modulator)	可编程相位面，相当于神经网络权重
输出检测	CCD 或 CMOS	检测输出光强分布，实现非线性激活
控制与计算	PC + GPU	执行电子侧训练，控制 SLM、采集 CCD 数据

工作流程：
1️⃣ 用激光照亮输入面（DMD上加载数字图像）
2️⃣ 光通过第一片透镜进行傅里叶变换
3️⃣ 在傅里叶面上的 SLM2 上加载“训练好的相位图”
4️⃣ 再经过第二片透镜逆变换回像面
5️⃣ CCD 检测光强，积分 ROI 得到输出类别

---

🔬 二、实验室器材准备清单（标准配置）

下面这张表是一个典型 AFNN 实验系统所需设备及说明：

类别	主要器件	推荐型号 / 要求	说明
💡 光源	单模激光器 (He-Ne 或 DPSS)	λ = 532 nm 或 633 nm	稳定输出、线偏振，功率 < 10 mW 即可
🔳 输入编码	DMD 或 SLM1	TI LightCrafter 4500 / Holoeye LC-R720	控制输入振幅或相位，DMD用于二值调制，SLM用于相位调制
🔍 透镜组	两片消色差透镜	f = 100 mm 左右	构成4f系统：输入面—透镜1—傅里叶面—透镜2—输出面
🪞 可训练层	相位型 SLM (LCOS)	Holoeye PLUTO / Meadowlark 512x512	分辨率 ≥ 512²，灰度级≥8 bit
📷 检测器	CCD / CMOS 相机	Thorlabs DCC1545M / Basler acA 系列	动态范围足够，分辨率 ≥ 512²
🧩 光学组件	光学平台、镜架、快门、偏振片、反射镜、空间滤波器	Thorlabs / Edmund Optics	稳定支撑与调整光路
💻 控制计算	PC + GPU + 控制软件	GPU≥3060，USB控制相机和SLM	执行训练代码（PyTorch），与实验系统通信

---

⚙️ 三、系统搭建步骤（从模拟 → 实验）

🧩 阶段1：数值仿真（你已完成）

• 用 afnn-mnist_corr4f.py 代码模拟 FFT → Phase → IFFT → |E|²

• 训练出最佳相位图（保存为 phase.npy）
  ✅ 输出：训练好的相位面（即 SLM2 要加载的“相位图”）

---

🔬 阶段2：光路搭建（核心 4f 系统）

1. 光源经空间滤波器 + 准直器 → 产生平面波；

2. 光照射 DMD (或 SLM1)，调制输入图像；

3. 透镜 L1 把光聚焦到傅里叶面（距离≈焦距 f）；

4. 在傅里叶面放置 SLM2，加载相位图 φ(u,v)；

5. 再经透镜 L2 逆变换到像面；

6. CCD 相机采集像面光强分布。

---

🧠 阶段3：电子侧训练（你已具备环境）

• 用 PyTorch 模型训练相位图；

• 训练好后保存为 .npy 文件；

• 通过 SLM 控制软件（Holoeye API 或 MATLAB SDK）加载该相位图；

• 实时采集 CCD 输出强度，计算 ROI 强度并验证准确率。

---

⚡ 阶段4：验证实验

• 对输入不同数字（DMD 图像）拍摄输出光强；

• 检查每类是否对应固定 ROI 亮区；

• 对比不同相干度、不同噪声条件；

• 验证仿真与实测结果一致性。

---

🧩 四、实验室环境要求

要求	说明
防震光学平台	任何亚微米级干涉实验都需要稳定平台
暗室环境	减少杂散光干扰
稳定供电与温度控制	SLM 与激光都对温漂敏感
光路空间	典型 4f 系统长度约 2~3 米（含调节空间）
安全防护	使用低功率激光，但仍需护目镜、警示标志

---

🧮 五、成本预估（学术级实验室配置）

项目	估计费用（人民币）
激光器 + 电源	¥10,000
SLM1 + 控制器	¥40,000
SLM2（主可训练层）	¥60,000
CCD 相机	¥10,000
光学镜片、平台、支架	¥20,000
控制计算机 + GPU	¥10,000
合计约	¥15~20 万人民币

💡 提示：如果你所在实验室已有显微镜/光通信设备，可复用镜架、透镜、激光源，成本可降到 5~8 万。

---

🧭 六、进阶建议：搭建前的准备与仿真

1. ✅ 先用 PyTorch 完整仿真 + 保存相位图

   • 你已有代码基础 (afnn-mnist_corr4f.py)

   • 验证输入光场、相位面、输出光强的关系

2. ✅ 再使用 MATLAB / Zemax 进行光学路径仿真

   • 模拟光斑大小、光轴偏移、镜头焦距

   • 优化 SLM 像素映射与实际光斑尺寸匹配

3. ✅ 最后进行实验室组装

   • 调整光轴、焦距、傅里叶面位置

   • 对齐 DMD、SLM、CCD 的像素坐标

---

🌈 七、未来扩展方向

扩展	物理意义
多层 SLM	模拟深层网络（D²NN）
液晶非线性层	模拟光学ReLU或饱和吸收激活
部分相干光源	验证相干度鲁棒性（你目前的研究主题）
波导芯片集成化	向“光子神经芯片”方向迈进