近日，上海理工大學顧敏院士、方心遠研究員課題組在光學領域頂級期刊《光：科學與應用》（Light: Science & Applications）上發表題為“用于高精度模式特征編碼的軌道角動量介導機器學習”（Orbital angular momentum-mediated machine learning for high-accuracy mode-feature encoding）的研究成果，光子芯片研究院方心遠研究員、博士生胡曉楠、李保莉博士為共同第一作者，顧敏院士和方心遠為通訊作者，上海理工大學為第一單位。
作為一類典型的結構光場，軌道角動量（即Orbital angular momentum，英文縮寫OAM）光束具有螺旋相位及“甜甜圈”形狀的光強分布。由于其理論上具有正交無窮物理狀態，軌道角動量可以用作信息載體，提升光通訊、全息、光存儲、顯示、圖像處理、量子信息等領域的信息容量及安全性。在此過程中，雖然已經發展了多種全光的軌道角動量解碼方法，但是目前逐像素的軌道角動量編碼技術使得信息處理過程中仍會產生巨大的延遲。
因此，課題組致力于構建衍射型的光學神經網絡，將輸入信息展開為軌道角動量譜，利用光學衍射過程實現軌道角動量譜卷積及模式選擇，基于機器學習算法學習輸入信息軌道角動量特征并實現高精度編碼。結合軌道角動量解碼器，該方案被應用于全光編碼軌道角動量光通訊、端到端可切換圖像顯示、全光降維異常檢測等任務，為全光軌道角動量智能信息處理提供了研究思路。
該研究利用全光機器學習將數據特征轉化為軌道角動量狀態的通用機制，可以實現任意信息在軌道角動量維度上的自由轉換。光學機器通過學習智能軌道角動量編碼這一“新課程”，打開了以光速對特定數據庫和圖像進行軌道角動量編碼的新大門，同時也打破了軌道角動量域中光學降維的瓶頸。該技術有望開拓光學機器學習在高容量、高安全經典及量子光學中的應用方向。
文章原理及概念圖
論文鏈接：
https://doi.org/10.1038/s41377-024-01386-5
https://www.nature.com/articles/s41377-024-01386-5
供稿：光子芯片研究院
