SVETlANNa - это Python-библиотека с открытым исходным кодом для моделирования оптических систем в свободном пространстве и нейроморфных систем, таких как дифракционные нейронные сети. Библиотека построена на фреймворке PyTorch и использует его ключевые возможности: тензорные вычисления и автоматическое дифференцирование.
В основе SVETlANNa лежит фурье-оптика, а среди поддерживаемых оптических элементов — свободное пространство, апертуры, фазовые маски, тонкие линзы и пространственные модуляторы света (SLM).
Название библиотеки объединяет русское слово «свет» и аббревиатуру ANN (artificial neural network, искусственная нейронная сеть). При этом целиком слово звучит как славянское женское имя Светлана.
Документация по SVETlANNa доступна по ссылке: compphyslab.github.io/SVETlANNa.docs.
Также есть вспомогательный репозиторий на GitHub — SVETlANNa.docs, содержащий множество примеров применения в формате Jupyter Notebook.
import torch
import svetlanna as sv
from svetlanna.units import ureg
# задаем вычислительную сетку и длину волны света
sim_params = sv.SimulationParameters(
x=torch.linspace(-5 * ureg.mm, 5 * ureg.mm, 256),
y=torch.linspace(-5 * ureg.mm, 5 * ureg.mm, 256),
wavelength=10 * ureg.um,
)
setup = sv.LinearOpticalSetup([
sv.elements.RoundAperture(sim_params, radius=2 * ureg.mm),
sv.elements.FreeSpace(sim_params, distance=10 * ureg.cm, method='ASM'),
])
incident_field = sv.Wavefront.plane_wave(sim_params)
output_field = setup(incident_field)- Решатели для распространения в свободном пространстве, включая метод углового спектра (ASM) и свертку Релея-Зоммерфельда (RSC). Определение методов и их сравнение см. в этой работе.
- Поддержка решения классических задач оптимизации дифракционных оптических элементов и SLM с использованием алгоритмов Gerchberg-Saxton и Hybrid Input-Output.
- Гибкий API с поддержкой пользовательских элементов.
- Нативное GPU-ускорение для всех вычислений.
- Инструменты визуализации.
- Моделирование и оптимизация оптических систем и оптических пучков, распространяющихся в свободном пространстве.
- Расчет параметров фазовых масок, дифракционных оптических элементов (DOE) и SLM как для классических оптических систем, так и для нейроморфных оптических вычислителей.
- Моделирование и оптимизация параметров оптических нейронных сетей и дифракционных оптических нейронных сетей для различных задач.
Вы можете установить SVETlANNa из PyPI с помощью pip:
pip install svetlannaPyTorch рекомендуется установить отдельно, следуя инструкциям на сайте PyTorch, чтобы выбрать конфигурацию, подходящую вашей системе и требованиям (например, поддержка CUDA).
Результат обучения полносвязной оптической нейронной сети для задачи классификации MNIST: изображение цифры «8» проходит через стек из 10 фазовых пластин с настроенными фазовыми масками. Выбранные области детектора соответствуют разным классам цифр. Предсказанный класс определяется областью детектора с максимальной оптической интенсивностью.
Примеры визуализации оптических схем и оптических полей:
Пример пятислойной дифракционной оптической нейронной сети, обученной распознавать цифры из базы MNIST:
Мы всегда рады вашему вкладу!
См. файл CONTRIBUTING.md, чтобы узнать, с чего начать.
Первоначальная работа над репозиторием была поддержана Фондом содействия инновациям.