コリネアホログラフィックデータストレージにおけるデータ読み取りのための光学軸の偏差許容度

科学分野:

• オプティクスは光学です.
• データストレージ データストレージ
• 機械学習 (Machine Learning) とは,機械学習 (Machine Learning) について学ぶことです.

背景:

• ボリュームホログラフィック・グリットは,高密度マルチプレックス・レコーディングを可能にします.
• ホログラフィックストレージでの正確なデータ読み取りは,読光の厳格なブラッグマッチングを必要とします.

研究 の 目的:

• コリネアホログラフィックデータストレージシステムでのデータ読み取り中に記録対象レンズの光学軸偏差の許容量を調査します.
• これらの偏差がキーパフォーマンスメトリックに与える影響を評価する.
• ストレージメディアの傾斜に対するディープラーニングベースの修正方法を提案し,検証する.

主な方法:

• 再構築されたデータページの正常化された difraktion intensity,信号対ノイズ比,およびビットエラー率を分析した.
• 決定されたシフトマルチプレキシング間隔,サーボ精度,および貯蔵媒体の傾斜角度の許容.
• 中程度の傾きを修正するためにディープラーニングアルゴリズムを実装しました.

主要な成果:

• シフトマルチプレキシングの間隔は2μmを超えなければならない.
• サーボ精度は, ±200 nm の範囲で維持する必要があります.
• 修正されていないシステムは1.3°の傾き角の許容を示し,修正されたシステムは3°の許容を達成します.

結論:

• この発見は,振幅調節型コリネアホログラフィックデータストレージのパフォーマンスを向上させるための重要なデータを提供します.
• 結果は,特殊なホログラム式貯蔵サーボシステムの開発を導く.
• ディープラーニングは,ストレージメディアの傾きの影響を効果的に軽減し,システムの耐性を大幅に改善します.