基于光學(xué)衍射神經(jīng)網(wǎng)絡(luò)的軌道角動量復(fù)用全息技術(shù)的設(shè)計與實驗研究

隨著神經(jīng)網(wǎng)絡(luò)的發(fā)展，光學(xué)神經(jīng)網(wǎng)絡(luò)（ONN）的研究受到廣泛關(guān)注。研究人員從衍射光學(xué)、散射光、光干涉以及光學(xué)傅里葉變換等基礎(chǔ)理論出發(fā)，利用各種光學(xué)設(shè)備及材料成功實現(xiàn)了神經(jīng)網(wǎng)絡(luò)的光學(xué)線性運算，并通過引入光學(xué)晶體、光電器件、空間光調(diào)制器等實現(xiàn)光學(xué)非線性激活功能，進一步優(yōu)化ONN的預(yù)測及推理能力，極大地促進了光學(xué)神經(jīng)網(wǎng)絡(luò)的發(fā)展�；�于空間光調(diào)制器的靈活可編程特性，為光路的優(yōu)化及實驗實現(xiàn)提供了較大的助力。 H].|K/-p  
論文信息 h+}BtKA  
1(gs({  
軌道角動量（OAM）復(fù)用全息技術(shù)具有信息容量大、安全性高的優(yōu)點，并且在全息存儲、光學(xué)加密和光學(xué)計算等方面具有重要的應(yīng)用價值。然而，隨著多路復(fù)用通道數(shù)量的增加，該技術(shù)存在圖像質(zhì)量的下降，限制了其應(yīng)用范圍。本文提出了一種創(chuàng)新的設(shè)計方法，將光學(xué)衍射神經(jīng)網(wǎng)絡(luò)（ODNN）引入OAM多路復(fù)用全息中，建立科學(xué)的圖像質(zhì)量評價功能，應(yīng)用端到端優(yōu)化方法，并行設(shè)計OAM多路復(fù)用全息圖，顯著提高了OAM全息的圖像質(zhì)量。結(jié)果表明，與經(jīng)典方法相比，本文提出的ODNN方法分別提高了衍射效率29%和信噪比19%，均方誤差和方差分別降低了10%和43%。同時，通過實驗實現(xiàn)了高質(zhì)量的多通道OAM多路復(fù)用全息技術(shù)。本文提出的設(shè)計方法為未來的OAM多路復(fù)用全息技術(shù)進一步提高信息容量和提高安全性提供了一種有效而實用的途徑。 bZ\R0[0  
部分實驗過程及實驗結(jié)果 ;cXw;$&D  
實驗中采用波長為632.8nm的氦氖激光器。激光器發(fā)射的高斯光束依次經(jīng)過衰減器、偏振片、透鏡1、針孔濾光器、透鏡2和孔徑后，被放大成高質(zhì)量的線偏振高斯光束。經(jīng)過兩臺反射式相位型空間光調(diào)制器（其中一臺為中科微星的FSLM-2K70-P02）后，最終的成像結(jié)果由工業(yè)陣列相機接收。兩臺空間光調(diào)制器的分辨率均為1920×1080，像元大小均為8μm×8μm。工業(yè)相機的分辨率為2592×2048，像元大小為4.8μm×4.8μm。兩臺SLM之間的距離，以及第二臺SLM和工業(yè)相機之間的距離，均為20cm。 1uAjy(
y  
U05;qKgkDF  
圖1，基于ODNN的OAM復(fù)用全息術(shù)實驗裝置示意圖。將螺旋相位圖和OAM多路復(fù)用全息圖分別加載到SLM1和SLM2中。經(jīng)過濾波和波束擴展后，相干光被SLM1調(diào)制成渦旋光束，并將其照射到SLM2上，以解碼OAM復(fù)用全息圖中相應(yīng)的目標(biāo)信息。最后，在相機上重建目標(biāo)圖像。

圖片:3.png

#7i*Diqf9  
圖2 基于ODNN的OAM復(fù)用全息術(shù)的物理過程示意圖。利用優(yōu)化后的OAM復(fù)用全息圖重建不同渦旋光照射下的目標(biāo)圖像。

圖片:4.png

2aj1IBnz6/  
圖3 基于ODNN的OAM復(fù)用全息術(shù)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。利用ODNN的正向傳播過程實現(xiàn)OAM復(fù)用全息術(shù)的物理過程。在訓(xùn)練相位中，將螺旋相位和采樣的目標(biāo)圖像分別作為神經(jīng)網(wǎng)絡(luò)的輸入和評價函數(shù)標(biāo)簽。基于網(wǎng)絡(luò)的輸出結(jié)果，利用誤差反向傳播算法對神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和相位參數(shù)進行迭代優(yōu)化。最后，在隱藏層得到了一個可以在不同輸入條件下重建相應(yīng)目標(biāo)圖像的OAM復(fù)用全息圖。

圖片:5.png

jVQy{8{G  
圖4 基于ODNN的OAM多路復(fù)用全息術(shù)的總體設(shè)計流程圖，其中圖2中的物理過程通過神經(jīng)網(wǎng)絡(luò)的前向傳播過程實現(xiàn)。在一次迭代中，將螺旋相位圖和目標(biāo)圖像輸入到ODNN中，并通過正向傳播、評價函數(shù)計算和梯度下降對AOM復(fù)用全息圖進行更新。一個訓(xùn)練輪次由多次迭代組成，將訓(xùn)練數(shù)據(jù)集中的每個螺旋相位圖和目標(biāo)圖像輸入ODNN，迭代優(yōu)化OAM多路復(fù)用全息圖。完整的訓(xùn)練過程由多個輪次組成，通過監(jiān)測每個輪次的平均評價函數(shù)值，即是否成像，來確定算法的收斂性。

圖片:6.png

t3@+idE