近日,中国科学院上海技术物理研究所红外科学与技术重点实验室李冠海、陈效双、陆卫团队,联合东华大学邢怀中团队,在亚波长尺度上实现衍射光学神经网络赋能的非正交偏振全息复用方面取得进展。这一成果为复杂场景目标生成、通信信道容量提升、非线性光学和偏振探测等的应用提供了新的可能与参考。相关研究成果以Unlocking Ultra-High Holographic Information Capacity through Nonorthogonal Polarization Multiplexing为题,在线发表在《自然-通讯》(Nature Communications)上。

  超表面通常由亚波长尺度的结构单元组成,基于几何相位、模式共振等机制可以同步操控光子相位、振幅和偏振等多个维度。偏振正交属性可使得任意两个正交偏振态可以互不影响、独立操控,亦可使得任意的偏振态均可以由一组正交基完备表征。虽然光子的偏振正交特性有助于实现完全隔离的偏振转换和保持,但在根本上限制了类似波长维度在高光谱、超光谱等在复用通道数量上进行拓展的可能。

  针对上述问题,该团队提出了在亚波长尺度上操控超表面局域本征偏振实现非正交偏振基复用的新机制。这一方法允许每个超表面单元的输入输出偏振状态之间存在非零内积,从而在不利用空间、时间或其他维度的情况下实现理论上完全隔离的三个非正交偏振通道循环的全息复用。基于此,该团队发展并建立了矢量衍射光学神经网络赋能的超表面全局非正交偏振优化设计从而提高衍射效率并抑制串扰,展示了10×10规模的琼斯矩阵下不同输入和输出偏振态55全息通道复用。研究发现,建立局域本征偏振操控与衍射光学神经网络赋能的全局非正交偏振通道,使得不同的非正交偏振态能够选择性地耦合或抑制,以实现光子多维度、多功能集成复用。

  研究工作得到国家自然科学基金委员会、科学技术部、中国科学院、上海市科学技术委员会等的支持。


相关文章

上海技物所等在衍射光学神经网络赋能非正交偏振全息复用方面获进展

近日,中国科学院上海技术物理研究所红外科学与技术重点实验室李冠海、陈效双、陆卫团队,联合东华大学邢怀中团队,在亚波长尺度上实现衍射光学神经网络赋能的非正交偏振全息复用方面取得进展。这一成果为复杂场景目......

上海技物所等在衍射光学神经网络赋能非正交偏振全息复用方面获进展

近日,中国科学院上海技术物理研究所红外科学与技术重点实验室李冠海、陈效双、陆卫团队,联合东华大学邢怀中团队,在亚波长尺度上实现衍射光学神经网络赋能的非正交偏振全息复用方面取得进展。这一成果为复杂场景目......

人工智能神经网络创建虚拟动物模型

为探索大脑如何控制运动的奥秘,美国哈佛大学与谷歌深度思维实验室的科学家合作,创造出一个“虚拟大鼠”——生物力学上逼真的大鼠数字模型。这个“大鼠”有一个人造大脑,可像真正的啮齿动物一样四处走动。该成果代......

人工智能神经网络创建虚拟动物模型

研究人员使用真实大鼠的运动数据创造的“虚拟大鼠”。图片来源:谷歌深度思维科技日报北京6月18日电 (记者张梦然)为探索大脑如何控制运动的奥秘,美国哈佛大学与谷歌深度思维实验室的科学家合作,创......

研究提出实现绵羊牧食行为的精准预测新方法

近日,西北农林科技大学经济管理学院阮俊虎教授团队联合香港城市大学DavidJingjunXu教授团队提出一种时空模糊深度神经网络来识别绵羊三轴加速度计数据中潜在的时间特征和空间特征,以实现绵羊牧食行为......

新神经网络让人工智能像人一样思考

美国科学家开发了一个具有类似人类系统泛化能力的神经网络,挑战了一个已存在35年的观点,即神经网络缺乏系统泛化的能力,不是人脑的可行模型。相关研究近日发表于《自然》。研究者表示,使用新方法或能开发出行为......

科学家构建深度脉冲神经网络学习框架

脉冲神经网络(SpikingNeuralNetwork,SNN)被誉为第三代神经网络,使用更低层次的生物神经系统的抽象。它既是神经科学中研究大脑原理的基本工具,又因稀疏计算、事件驱动、超低功耗的特性,......

新构建!深度脉冲神经网络学习框架“惊蜇”

中国科学院自动化所李国齐研究员和北京大学计算机学院田永鸿教授团队合作构建出深度脉冲神经网络学习框架“惊蜇”。它可以提供全栈式的脉冲深度学习解决方案,能够处理神经形态数据、构建深度脉冲神经网络、部署神经......

AnalyticalChemistry|朱正江课题组基于神经网络构建的离子淌度质谱CCS值数据库

中国科学院上海有机化学研究所生物与化学交叉研究中心朱正江研究员团队在AnalyticalChemistry杂志在线发表了题为“AllCCS2:CurationofIonMobilityCollisio......

科学家利用神经网络设计全新蛋白质

美国麻省理工学院研究人员在新一期《应用物理学杂志》发表的论文中,将注意力神经网络与图神经网络相结合,以更好地理解和设计蛋白质。该方法将几何深度学习与语言模型的两种优势结合起来,不仅可预测现有蛋白质特性......