通过深度学习赋予非直角光学多重复合的能力
Tuqiang Pan1,2, Jianwei Ye1,2, Haotian Liu1,2
1Key Laboratory of Photonic Technology for Integrated Sensing and Communication, Ministry of Education, Guangzhou, 510006, China.
Nature communications
|February 21, 2024
概括
本研究介绍了使用深度神经网络 (SLRnet) 克服容量限制的非直角光学复杂化. SLRnet成功地从单个输出中获取多个信号,在高容量光通信中达到98%的保真度.
科学领域:
- 光学通信是指光学通信.
- 信号处理 信号处理
- 机器学习 机器学习
背景情况:
- 在光学复杂化极限容量的直角通道.
- 非直角复合提供了更高的容量,但给信号检索带来了挑战.
研究的目的:
- 开发一种在多模光纤 (MMF) 上进行非直角光学多重复合的方法.
- 为了利用深度学习从单个输出中检索多个信号.
主要方法:
- 一个深层神经网络,斑点光场检索网络 (SLRnet) 被开发出来.
- SLRnet学习了非直角输入光场和单个强度输出之间的复杂映射.
- 进行了原则证明实验演示.
主要成果:
- SLRnet有效地解决了MMF中非直角复合的错误问题.
- 多个非直角的输入信号被检索到高达98%的保真度.
- 通过单次射击的斑点输出,成功地实现了检索.
结论:
- 非直角光学复杂化可以用于高容量通信.
- 深度学习为复杂光学系统中信号检索提供了强大的工具.
- 这种方法代表了向先进的光学复杂化技术迈出的重要一步.
