深度学习型网络塑造光脉冲

加州大学洛杉矶分校的研究人员开发了一种方法来塑造光脉冲，这种方法通过创建由光子层组成的特别设计的物理网络来实现。基于类似的概念构建的网络已经能够进行全光学分类和图像识别，这表明新技术的应用跨越了计算和人工智能领域。

研究人员创建了衍射光网络，这些光网络采用输入光脉冲，通过由深度学习设计的3D打印层，然后形成的输出脉冲以预期的时域波形离开光学网络。据研究人员称，该网络首次在电磁频谱的太赫兹区域展示，显示了各种形式的太赫兹脉冲的合成。为了能够在连续波长范围内准确控制宽带输入脉冲的相位和振幅，研究人员生成了不同的脉冲形状，脉冲宽度也不同。

无源衍射层不消耗功率，可以直接工程调节由量子级联激光器、固态电路和粒子加速器等产生的太赫兹脉冲。这种方法用途广泛，不管光束的质量或极化状态如何，它都可以对太赫兹脉冲进行工程设计。

形成光脉冲的光学衍射网络。插图：用于设计太赫兹脉冲的 3D 打印光学衍射网络。UCLA Engineering Institute for Technology Advancement供图。

据美国加州大学洛杉矶分校工程创新委员会主席、电子和计算机工程教授Aydogan Ozcan说，这个框架可以应用于电磁频谱的其它部分以塑造光脉冲。他相信这项工作将会在使用光脉冲的各项领域得到广泛的应用，比如在超快成像、光谱学和光通信领域。这项研究成果发表在《Nature Communications》上(www.doi.org/10.1038/s41467-020-20268-z).

原文链接