近日，北京理工大學光電學院付時堯、高春清團隊提出了一種寬譜軌道角動量光梳智能調控方法，實現了軌道角動量態±75范圍內的光場超高維調控，該研究成果以" Intelligent tailoring of broadband orbital angular momentum comb towards efficient optical convolution" 為題發表在頂刊Photonics Research(SCI一區，IF：6.6)。該研究工作得到了國家自然科學基金原創探索計劃、國家重點研發計劃等支持。北京理工大學是唯一第一及通訊作者單位，北理工2023級博士研究生周詩韻為第一作者，付時堯教授為通訊作者。
軌道角動量(Orbital angular momentum, OAM)作為一種激光的新型高維自由度，在超大容量光通信、新體制激光雷達、高密度光存儲、量子信息技術等尖端領域有著廣泛的應用前景。一束激光可同時攜帶多個OAM模式，且不同的OAM模式相互正交，在“OAM域”中構成了梳狀函數，即OAM光梳。寬譜OAM光梳是超高光子效率信息編碼的載體，同時也是高密度全息加密技術的“鑰匙”。先前研究已經證明，采用純相位調制方法不可能將基模高斯光束轉化為OAM光梳，若要獲得OAM光梳，則必須采用迭代等方法無限逼近，而迭代過程是費時的，將高維信號編碼的優勢抵消殆盡。寬譜OAM光梳的高效、精準按需調控仍面臨重大挑戰。
針對這一問題，研究團隊提出了一種基于多尺度融合學習的U型神經網絡(MSUNet)，用于編碼寬譜OAM光梳調控相位計算，實現了寬譜OAM光梳的快速、精準按需調控。如圖1所示，該智能框架通過多尺度特征提取補償模式強度損失，極大提高了相位調制圖樣的生成精度與計算效率。通過引入OAM譜測量模型，能夠直接分析調制后的光場精度，實現有效的損失約束。
實驗結果驗證了該方法的卓越性能，其調制OAM模式范圍可覆蓋-75至+75，平均均方根誤差(RMSE)低至0.0037，保真度達到85.01%，計算時間僅約30毫秒，如圖2所示。
圖1 多尺度融合學習的U型神經網絡實現寬譜OAM光梳智能調控
圖2 寬譜OAM光梳按需調控實驗結果
此外，研究團隊進一步將定制的寬譜OAM光梳應用于光學卷積計算，實現了任意離散函數的矢量卷積運算，如圖3所示，其實驗驗證RMSE為0.0138，保真度達82.82%，展現了OAM光梳在高階光學計算中的潛在能力。
圖3 寬譜OAM光梳矢量卷積運算
該工作突破了寬譜OAM光梳按需調控的技術瓶頸，提供了一種簡單、高效且高精度的解決方案，為未來高維OAM光場在光學計算、大容量通信、量子信息處理等前沿領域的進一步發展奠定了基礎。
附作者簡介：
第一作者，周詩韻，北京理工大學光電學院2023級博士研究生，導師為付時堯教授，主要研究方向為激光光場智能調控算法。以第一作者在Photon. Res., Opt. Lett.等期刊發表SCI論文4篇，申請發明專利 5項。
通訊作者，付時堯，北京理工大學教授、博導，國家級青年人才。長期從事激光光場調控技術及應用研究，主持國家重點研發計劃、基金委原創探索計劃等項目十余項，出版專著2部，發表論文60余篇，獲授權發明專利23項，研究成果已應用于多個系統。曾入選博新計劃，獲北京市自然科學二等獎(序1)、中國電子學會優秀博士論文獎、王大珩光學獎等。現為美國光學學會資深會員(Optica Senior Member)、中國激光雜志社第三屆青年編委員會委員、《光學學報》等期刊青年編委、《紅外與激光工程》青編委會執行委員會委員等。
