当AI和光电子学相遇时 研究人员控制光的特性

资讯2020-10-31 21:07:17
导读利用机器学习和集成光子芯片,INRS(加拿大)和苏塞克斯大学(英国)的研究人员现在可以定制宽带光源的属性。这些来源也称为超连续谱,是新成

利用机器学习和集成光子芯片,INRS(加拿大)和苏塞克斯大学(英国)的研究人员现在可以定制宽带光源的属性。这些来源也称为“超连续谱”,是新成像技术的核心,研究人员提出的方法将进一步深入了解光物质相互作用和超快非线性光学的基本方面。该作品于2018年11月20日发表在Nature Communications杂志上。

在INRS的Roberto Morandotti教授实验室中,研究人员能够创建和操纵强烈的超短脉冲模式,用于生成宽带光谱。近年来,以激光和超短激光脉冲为特征的激光光源的发展 - 导致2018年诺贝尔物理学奖 - 以及空间限制和引导光传播(光纤和波导)的方法产生了光学架构具有巨大的力量。利用这些新系统,出现了一系列可能性,例如超连续的产生,即通过强烈的光 - 物质相互作用产生的扩展光谱。

这种功能强大且复杂的光学系统及其相关工艺目前构成了从激光科学和计量学到高级传感和生物医学成像技术的广泛应用的构建模块。为了不断推动这些技术的极限,需要更多的光性能定制能力。通过这项工作,国际研究团队为这一问题推出了实用且可扩展的解决方案。

本杰明·韦特泽尔博士(苏塞克斯大学)是由罗伯托·莫兰多蒂教授(INRS)和马克斯·佩奇安蒂教授(苏塞克斯大学)领导的这项研究的首席研究员,他证明了飞秒光学脉冲的各种模式可以准备和明智地操纵。“我们利用集成光子结构提供的紧凑性,稳定性和亚纳米分辨率来产生可重新配置的超短光脉冲束,”Wetzel博士解释说。“所获得的参数空间的指数缩放产生了超过1036种可实现的脉冲模式的不同配置,超过了宇宙中估计的恒星数量,”他总结道。

通过如此大量的组合来种植已知对其初始条件高度敏感的光学系统,研究人员已经转向机器学习技术以探索光操纵的结果。特别地,他们已经表明,当联合使用他们的系统和合适的算法来探索用于定制复杂物理动力学的多种可用光脉冲模式时,输出光的控制和定制确实是有效的。

这些令人兴奋的结果将影响许多领域的基础研究和应用研究,因为当前光学系统的很大一部分依赖于与超连续谱产生相同的物理和非线性效应。因此,预计国际研究团队的工作将通过自我优化技术推动其他智能光学系统的发展,包括用于计量应用的光频梳(Nobel 2005),自调节激光器,脉冲处理和放大器(诺贝尔2018)以及机器学习的更基本方法的实施,例如光子神经网络系统。

免责声明:本文由用户上传,如有侵权请联系删除!