Multi-layer 5D optical data storage: mathematical modeling and deep learning-based reconstruction of birefringent parameters

Пятимерное (5D) оптическое хранение данных стало перспективной технологией для сверхплотного долгосрочного архивирования данных. Однако его практическая реализация затруднена шумом и помехами при считывании данных. В данной работе мы разрабатываем высокоточную математическую модель для многослойного 5D оптического хранения, основанную на матрице Джонса, для точного учета преобразований поляризации, индуцированных многослойными двулучепреломляющими наноструктурами. Основываясь на этой модели, мы предлагаем 20-кадровый алгоритм FiLM, основанный на сети U-Net, для восстановления параметров двулучепреломления – в частности, ориентации медленно меняющейся оси и величины задержки – непосредственно из измеренных распределений интенсивности. Обученная как на идеальных, так и на зашумленных наборах данных, сеть демонстрирует надежную производительность восстановления в сложных условиях измерения. По сравнению с традиционными подходами к восстановлению на основе кадров, наш метод обеспечивает улучшение точности восстановления более чем на порядок. Предложенная модель и алгоритм могут быть легко интегрированы в существующие 5D оптические системы считывания, предлагая как прочную теоретическую основу, так и практические инструменты для точного восстановления данных.