نوسانات غول پیکر نور متمرکز، همبستگی های پنهان در مواد مات را آشکار می کند

ویرایش شده توسط Sadie Harley، بررسی توسط Robert Egan

این مقاله با توجه به روند و سیاست‌های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:

هنگامی که نور از طریق یک ماده به شدت پراکنده، مانند بافت بیولوژیکی یا سایر محیط های غیرشفاف بی نظم حرکت می کند، مسیرهای مختلفی را دنبال می کند و یک الگوی لکه ای به ظاهر تصادفی ایجاد می کند. شکل‌دهی جبهه موج کنترل این تداخل پیچیده و تمرکز نور را از طریق چنین موادی ممکن می‌سازد.

موفقیت این فرآیند فوکوس معمولا با ضریب بهبود مشخص می‌شود - معیاری برای روشن‌تر شدن فوکوس بهینه‌شده در مقایسه با پس‌زمینه پراکنده. در حالی که بهبود قابل تکرار برای برنامه‌ها ضروری است، توجه کمتری به نحوه نوسان ضریب افزایش از یک تحقق یا موقعیت هدف به موقعیت دیگر شده است.

در مطالعه ای که در Nature Communications منتشر شد، پژوهشی به سرپرستی دکتر حسن یلماز، استادیار دپارتمان مهندسی برق و کامپیوتر در دانشکده علوم و مهندسی دانشگاه سنت لوئیس (SSE) با همکاری پروفسور گرگوری شر از مرکز ملی تحقیقات علمی فرانسه (CNRS) و دانشگاه سوربن، حاوی اطلاعاتی در مورد این اطلاعات در مورد دانشگاه سوربن است. خود رسانه پراکنده

محققان با ترکیب آزمایش‌های نوری، شبیه‌سازی‌های عددی و نظریه ماتریس تصادفی، نوسانات عظیمی را در فاکتور افزایش تولید شده توسط همبستگی‌های مزوسکوپی دوربرد کشف کردند.

یافته‌ها عامل افزایش را نه تنها به‌عنوان معیاری برای تمرکز عملکرد، بلکه به‌عنوان یک قابل مشاهده فیزیکی و آماری که نوسانات آن یک کاوش ساده و تجربی از همبستگی‌های اساسی در رسانه‌های پراکندگی پیچیده ارائه می‌دهد، ایجاد می‌کند.

یلماز می گوید: «می توانید یک ماده پراکنده پیچیده را به عنوان یک پیچ و خم برای نور در نظر بگیرید. «در آزمایش ما، این ماز توسط لایه‌ای از نانوذرات اکسید روی، شبیه به ذراتی که رنگ را سفید نشان می‌دهند، ایجاد می‌شود.

"هرچه پراکندگی قوی تر یا ضخیم تر مواد باشد، نور بیشتری قبل از فرار در این پیچ و خم سرگردان می شود. این نوسانات غول پیکر اثر انگشتی از آن سفر را به همراه دارند و به ما این امکان را می دهند که از طریق نوسانات نور متمرکز در مورد خود ماده بیاموزیم.

این همکاری، تخصص یلماز در شکل‌دهی جبهه موج و فوتونیک پیچیده را با تخصص Schehr در آمار با ارزش فوق‌العاده، مکانیک آماری و سیستم‌های بی‌نظم گرد هم می‌آورد.

محققان از آمار ماتریس تصادفی لاگر-ویشارت با اندازه محدود برای ایجاد یک مرجع آماری بدون پارامتر برای عامل افزایش استفاده کردند. این چارچوب به طور دقیق هم افزایش متوسط ​​و هم نوسانات آن را زمانی که همبستگی های مزوسکوپی دوربرد ناچیز است، پیش بینی می کند.

با این حال، آزمایش‌ها و شبیه‌سازی‌های عددی رسانه‌های به شدت پراکنده، تضاد قابل توجهی را نشان دادند. در حالی که میانگین افزایش اساسا بدون تغییر باقی می ماند، نوسانات آن می تواند چندین برابر بیشتر از پیش بینی بدون همبستگی باشد. شبیه‌سازی‌ها نشان می‌دهند که این نوسانات افزایش غول‌پیکر با ضخیم‌تر شدن محیط پراکندگی به طور فزاینده‌ای آشکار می‌شوند.

یلماز می‌گوید: «آنچه ما را شگفت‌زده کرد این است که افزایش متوسط ​​می‌تواند به خوبی با نظریه مطابقت داشته باشد در حالی که نوسانات آن غول‌پیکر می‌شوند. "این نوسانات غول پیکر صرفا نویز نیستند. آنها ارتباطات پنهانی را بین مسیرهای زیادی که نور از طریق یک محیط پراکنده پیچیده طی می کند، آشکار می کند."

این اتصالات پنهان در فیزیک به عنوان همبستگی مزوسکوپی دوربرد شناخته می شوند. هنگامی که نور بارها در یک محیط پیچیده پراکنده می شود، مسیرهای مختلف امواج به طور کامل مستقل نیستند. از آنجایی که امواج با یکدیگر تداخل دارند، آنچه در طول یک مجموعه از مسیرهای پراکندگی اتفاق می‌افتد، می‌تواند از نظر آماری به آنچه در امتداد مسیرهای دیگر اتفاق می‌افتد مرتبط شود، حتی زمانی که آنها به طور گسترده از هم جدا شده باشند.

این همبستگی‌ها نشانه‌های اساسی انتقال موج در سیستم‌های بی‌نظم هستند و از نزدیک با پدیده‌های بارز فیزیک مزوسکوپی، از جمله نوسانات رسانایی جهانی، کانال‌های باز بسیار ارسال‌کننده و محلی‌سازی اندرسون مرتبط هستند.

Schehr می‌گوید: «توافق بین تئوری و آزمایش همیشه خوشحال‌کننده است، اما اغلب زمانی است که آزمایش‌ها از پیش‌بینی‌های نظری دور می‌شوند که فیزیک جدید قابل مشاهده می‌شود». این دقیقا همان چیزی است که در اینجا اتفاق می‌افتد: نوسانات غول‌پیکر، همبستگی‌های مزوسکوپی دوربرد را نشان می‌دهند که توسط تصویر ماتریس تصادفی معمولی ثبت نشده‌اند.»

نوسانات غول‌پیکر کشف‌شده در این مطالعه، راه حساسی برای تشخیص این همبستگی‌ها ارائه می‌کند. روش‌های مرسوم مبتنی بر مقادیر ویژه انتقال می‌توانند به اندازه‌گیری ماتریس‌های انتقال بسیار بزرگ حاوی هزاران کانال ورودی و خروجی نیاز داشته باشند.

در مقابل، محققان نشان می‌دهند که همبستگی‌های دوربرد را می‌توان از مجموعه داده‌های بسیار کوچک‌تر با استفاده از کمتر از 200 کانال ورودی کنترل‌شده و در برخی موارد حتی یک کانال خروجی شناسایی کرد.

یافته‌ها همچنین می‌توانند پیامدهای عملی برای برنامه‌هایی داشته باشند که در آن‌ها تمرکز فوق‌العاده قوی و قابل تکرار از طریق رسانه‌های پیچیده مهم است.

در سیستم‌های محدود، مطالعه نشان می‌دهد که میانگین افزایش کل داستان را بیان نمی‌کند: در رسانه‌های پراکنده قوی، همبستگی‌های دوربرد می‌توانند نوسانات غول‌پیکری ایجاد کنند، که دامنه مقادیر افزایش را در مقایسه با پیش‌بینی‌های معمولی بدون همبستگی، تا حد زیادی گسترش می‌دهد.

این می تواند برای تصویربرداری با کنتراست بالا و مترولوژی نوری با دقت بالا مهم باشد، جایی که عملکرد ممکن است نه تنها به راندمان تمرکز متوسط ​​بلکه به احتمال آماری به دست آوردن پیشرفت های غیرمعمول بزرگ یا کوچک در تحقق های فردی بستگی داشته باشد.

توصیف آماری توسعه‌یافته در این مطالعه اطلاعاتی را در مورد عملکرد کنترل موج قابل دستیابی ارائه می‌کند که نمی‌توان از افزایش متوسط ​​به تنهایی به دست آورد.

مفاهیم فراتر از اپتیک است. از آنجایی که مکانیسم زیربنایی به‌جای ویژگی‌های منحصر به فرد نور به آمارهای پراکندگی متعدد و اندازه محدود متکی است، فیزیک نوسانات مشابهی ممکن است در سیستم‌های صوتی، الاستیک، مایکروویو و موج ماده ایجاد شود.

Schehr، G.، و همکاران. بزرگترین آمار ارزش ویژه شکل دهی جبهه موج در رسانه های پراکندگی پیچیده، Nature Communications (2026). DOI: 10.1038/s41467-026-77933-y

کارشناسی علوم زیستی و اکولوژی. پیشینه آزمایشگاه میکروبیولوژی با تجربه اخبار دارویی در صنایع نفت، گاز و تجدیدپذیر. نمایه کامل →

لیسانس زیست شناسی ریاضی، کارشناسی ارشد در نوشتن خلاق. خوش سفر با دیدگاه های منحصر به فرد در علم و زبان. نمایه کامل →