相关实验视频
Updated: Aug 9, 2026

16:11
Implementation of a Reference Interferometer for Nanodetection
Published on: April 26, 2014
9.4K
基于深度神经网络的相位校准在集成光学相位阵列中
Jae-Yong Kim1, Junhyeong Kim1, Jinhyeong Yoon1
1School of Electrical Engineering, Korea Advanced Institute of Science and Technology (KAIST), Daejeon, 34141, Republic of Korea.
Scientific reports
|November 15, 2023
概括
一种新的深度神经网络 (DNN) 方法对光学相位阵列 (OPA) 的相位误差进行校准,以改进光束成型. 这种智能方法有效地管理了64个通道的复杂相位控制.
科学领域:
- 光子学和光学工程的工程.
- 在光学领域的人工智能.
- 集成光学系统 集成光学系统
背景情况:
- 阶段校准对于集成光学相位阵列 (OPA) 中精确的光束成型至关重要.
- 传统的方法难以应对多道相位控制的复杂性.
- 阶段错误会降低OPA中的光束成形性能.
研究的目的:
- 为集成的OPA引入一种基于深度神经网络 (DNN) 的新型阶段校准方法.
- 在64通道OPA中提高光束成形精度和效率.
- 为了解决电压设置组合的复杂性,以实现精确的相位控制.
主要方法:
- 开发一个双重深度神经网络 (DNN) 架构,用于相位校准.
- 用电光相变器对64个OPA通道中的每一个进行单独的相位控制.
- 通过选择性数据排序和超参数调整进行优化.
- 将DNN预测的光束与爬山算法的参考光束进行比较.
主要成果:
- DNN模型与参考光束取得了实质性的一致性,证明了实际的有效性.
- 在峰值光束值中观察到0.84dB的轻微平均强度降低.
- 侧面模式抑制比率略有下降0.06dB.
结论:
- 基于DNN的相位校准方法在集成OPA光束成形中实际上是有效的.
- 该方法为复杂的多束场景提供智能和时间效率高的校准.
- 这种方法显示了在光学系统中推进光束成形能力的潜力.

