概括
这项研究引入了一种新的深度学习方法,通过精确测量其圆度因子来准确识别圆束 (EB). 这一突破增强了EB在光通信及其他领域的应用.
科学领域:
- 光学和光子学 在光学和光子学.
- 人工智能的人工智能
背景情况:
- 圆束 (EBs) 是具有独特特性的关键结构光.
- 物理量,特别是圆性因子的确定难度阻碍了EB的实际应用.
研究的目的:
- 开发一种高精度的方法来区分圆束 (EBs) 基于它们的圆度因子.
- 为了证明这种方法在光通信系统中的实际实用性.
主要方法:
- 使用变压器深度学习 (DL) 网络进行精确的EB表征.
- 在区分EB与最小的圆性因子差异 (0.01) 的过程中获得了高准确度.
主要成果:
- DL模型在分类两个不同的EB家族时达到99%的准确性.
- 使用EB作为信息载体成功传输图像,低误差位率为0.22%.
结论:
- 提出的DL方法为EB表征提供了高精度的方法,克服了以前的局限性.
- 这一进步有望显著扩大EBs在光学成像,传感和量子系统等领域的实际应用.
