Determinación de la carga topológica de vórtices ópticos perturbados utilizando redes neuronales convolucionales

Abstract

Este trabajo presenta la aplicación de redes neuronales convolucionales (CNN) para el análisis de haces con momento angular orbital con fase azimutal exp(ilφ), característica de los haces con vórtices ópticos de carga topológica l. El objetivo principal es abordar dos tareas simultáneas: la clasificación de la carga topológica y la predicción del nivel de turbulencia atmosférica que ha afectado al haz, cuantificado mediante el valor de Strehl. Se introduce la teoría relevante sobre óptica de haces estructurados y el funcionamiento de las redes neuronales artificiales. A continuación, se detalla el proceso de generación de dos conjuntos de datos: uno experimental, compuesto por 1,250 imágenes adquiridas en laboratorio, y otro simulado, compuesto por 50,000 imágenes generadas computacionalmente. Ambos conjuntos están organizados en 10 clases, correspondientes a valores de carga topológica que van del −18 al 18 en incrementos de 4 unidades, y con niveles de turbulencia representados por valores de Strehl entre 0.3 y 0.7 con pasos de 0.1. Se describen las consideraciones y criterios seguidos para la generación de ambos conjuntos de datos, así como la arquitectura de la red neuronal utilizada. Posteriormente, se presentan los resultados obtenidos de los modelos entrenados con cada conjunto. El modelo entrenado con imágenes experimentales alcanzó una precisión del 69.09% en la clasificación de la carga topológica y un error absoluto medio de 0.0892 en la predicción del valor de turbulencia. Por su parte, el modelo entrenado con imágenes simuladas logró una precisión del 98.54% y un error absoluto medio de 0.0536 en las mismas tareas. Finalmente, se discuten posibles mejoras al enfoque propuesto, así como futuras líneas de investigación para fortalecer la generalización y aplicabilidad de los modelos desarrollados.