研究人员使用AI算法和光子芯片定制宽带光源的属性

编译：chux

出品：ATYUN订阅号

加拿大INRS和英国苏塞克斯大学的研究人员利用机器学习和集成光子芯片，可以定制宽带光源的属性。这些来源也称为“超连续光谱”，是新成像技术的核心，研究人员提出的方法将进一步深入了解光物质相互作用和超快非线性光学的基本方面。

在INRS的Roberto Morandotti教授实验室中，研究人员能够创造和操作用于产生宽带光谱的强烈超短脉冲模式。近年来，高强度超短激光脉冲激光源的发展导致了2018年诺贝尔物理学奖的诞生，以及空间限制和引导光传播（光纤和波导）的方法，催生了功率巨大的光学架构。随着这些新系统的出现，一系列的可能性出现了，比如supercontinua（通过强烈的光物质相互作用产生的扩展光谱）的生成。

这种功能强大且复杂的光学系统及其相关工艺目前构成了激光科学，计量学，高级传感，生物医学成像技术广泛应用的构建模块。为了不断推动这些技术的极限，需要更多的光性能定制能力。通过这项工作，国际研究团队为这一问题推出了实用且可扩展的解决方案。

苏塞克斯大学Benjamin Wetzel博士领导这项研究，他证明了飞秒光学脉冲的各种模式都可以准备并明智地操纵。“我们利用集成光子结构提供的紧凑性，稳定性和亚纳米分辨率来产生可重新配置的超短光脉冲束，”Wetzel博士解释说，“所获得的参数空间的指数缩放产生了超过1036种可实现的脉冲模式的不同配置，超过了估计的恒星数量。”

有了这么多的组合，科学家们发现了一种光学系统，这种光学系统对初始条件高度敏感，为了探索光操作的结果，研究人员转向了机器学习技术。他们已经证明，当他们的系统和一个合适的算法联合起来来探索大量可用的光脉冲模式，以适应复杂的物理动力学时，输出光的控制和定制确实是有效的。

这些令人兴奋的结果将影响许多领域的基础研究和应用研究，因为当前光学系统的很大一部分依赖于与超连续谱产生相同的物理和非线性效应。

因此，预计国际研究团队的工作将通过自我优化技术推动其他智能光学系统的发展，以及更多的实现机器学习的基本方法，如光子神经网络系统。