北京理工大学：一种宽谱轨道角动量光梳智能调控方法

近日，北京理工大学光电学院付时尧、高春清团队提出了一种宽谱轨道角动量光梳智能调控方法，实现了轨道角动量态±75范围内的光场超高维调控，该研究成果以" Intelligent tailoring of broadband orbital angular momentum comb towards efficient optical convolution" 为题发表在顶刊Photonics Research。该研究工作得到了国家自然科学基金原创探索计划、国家重点研发计划等支持。北京理工大学是唯一第一及通讯作者单位，北理工2023级博士研究生周诗韵为第一作者，付时尧教授为通讯作者。

轨道角动量（Orbital angular momentum, OAM）作为一种激光的新型高维自由度，在超大容量光通信、新体制激光雷达、高密度光存储、量子信息技术等尖端领域有着广泛的应用前景。一束激光可同时携带多个OAM模式，且不同的OAM模式相互正交，在“OAM域”中构成了梳状函数，即OAM光梳。宽谱OAM光梳是超高光子效率信息编码的载体，同时也是高密度全息加密技术的“钥匙”。先前研究已经证明，采用纯相位调制方法不可能将基模高斯光束转化为OAM光梳，若要获得OAM光梳，则必须采用迭代等方法无限逼近，而迭代过程是费时的，将高维信号编码的优势抵消殆尽。宽谱OAM光梳的高效、精准按需调控仍面临重大挑战。

针对这一问题，研究团队提出了一种基于多尺度融合学习的U型神经网络（MSUNet），用于编码宽谱OAM光梳调控相位计算，实现了宽谱OAM光梳的快速、精准按需调控。如图1所示，该智能框架通过多尺度特征提取补偿模式强度损失，极大提高了相位调制图样的生成精度与计算效率。通过引入OAM谱测量模型，能够直接分析调制后的光场精度，实现有效的损失约束。

图片:61754224a3bd408fb9f699d105f4f774.png

图1.多尺度融合学习的U型神经网络实现宽谱OAM光梳智能调控

实验结果验证了该方法的卓越性能，其调制OAM模式范围可覆盖-75至+75，平均均方根误差（RMSE）低至0.0037，保真度达到85.01%，计算时间仅约30毫秒，如图2所示。

图片:160fa7f1f04841de85110c7804d9bc6c.png

图2 宽谱OAM光梳按需调控实验结果

此外，研究团队进一步将定制的宽谱OAM光梳应用于光学卷积计算，实现了任意离散函数的矢量卷积运算，如图3所示，其实验验证RMSE为0.0138，保真度达82.82%，展现了OAM光梳在高阶光学计算中的潜在能力。

图片:ee513cca04e84bd7a17e1ff023b02555.png

图3.宽谱OAM光梳矢量卷积运算

该工作突破了宽谱OAM光梳按需调控的技术瓶颈，提供了一种简单、高效且高精度的解决方案，为未来高维OAM光场在光学计算、大容量通信、量子信息处理等前沿领域的进一步发展奠定了基础。

论文链接：https://doi.org/10.1364/PRJ.550470