UCLA创建可深度学习的光学网络

2021-01-11 10:10

据外媒称，加州大学洛杉矶分校的研究人员开发了一种方法，通过创建由特殊工程光子层组成的物理网络来塑造光脉冲。建立在类似概念上的网络，已经能够实现全光学分类和图像识别，超越了计算和人工智能技术。

研究人员创建了衍射光学网络，将输入的光脉冲，通过深度学习设计的3D打印层，然后塑造输出脉冲以所需的时间波形离开光学网络。据研究人员介绍，该网络首次在电磁波谱的太赫兹区域进行了演示，展示了各种形式的太赫兹脉冲的综合。，研究人员在准确控制宽带输入脉冲在连续的波长上的相位和振幅时，产生了不同的脉冲形状和不同的脉冲宽度。

无源衍射层不消耗功率，可以直接设计通过量子级联激光器、固态电路和粒子加速器等产生的太赫兹脉冲，构成了该方法。所展示的方法是通用的－－无论光束质量或偏振状态如何，都能轻松地设计出太赫兹脉冲。

根据沃尔格瑙工程创新主席、加州大学洛杉矶分校电气和计算机工程大法官教授Aydogan Ozcan说：“该框架可以应用于电磁波谱的其他部分，以塑造光学脉冲。他认为，这项工作将在使用光脉冲的各种场所－－在超快成像、光谱学和光通信领域找到广泛的应用。”