人工智能与光电子相遇时 研究人员控制了光的特性

使用机器学习和集成光子芯片，加拿大INRS大学和英国苏塞克斯大学的研究人员现在可以定制宽带光源的属性。这些光源也被称为“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理解光-物质相互作用和超快非线性光学的基本方面。这项工作发表在2018年11月20日的《自然通讯》上。

在Roberto Morandotti教授的实验室中，研究人员可以创建和操纵强超短脉冲模式来产生宽带光谱。近年来，以激光和超短激光脉冲为特征的激光光源的发展——导致2018年诺贝尔物理学奖——以及限制和引导光在空间传播的方法(光纤和波导)，产生了光学架构的巨大力量。随着这些新系统的出现，出现了一系列的可能性，例如超连续谱产生，即由强烈的光-物质相互作用产生的扩展光谱。

这种强大而复杂的光学系统及其相关工艺目前构成了从激光科学和计量到先进传感和生物医学成像技术的广泛应用的基础。为了不断推动这些技术的极限，需要更多的光学性能定制能力。通过这项工作，国际研究团队提出了一个实用的、可扩展的解决方案。

Benjamin Wetzel博士(苏塞克斯大学)是这项由Roberto Morandotti教授(INRS)和Max Paganti教授(苏塞克斯大学)领导的研究的首席研究员。他证明了各种模式的飞秒光脉冲可以被明智地制备和操纵。“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构的超短光脉冲光束，”Wetzel博士解释道。“获得的参数空间的指数缩放产生了超过1036种不同配置的可实现脉冲模式，超过了宇宙中估计的恒星数量，”他总结道。

有了如此大量的组合来种植已知对初始条件高度敏感的光学系统，研究人员已经转向机器学习技术来探索光操纵的结果。特别地，他们已经表明，当他们的系统和适当的算法被联合用于探索用于定制复杂物理动态的各种可用的光脉冲模式时，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超连续谱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优化技术促进其他智能光学系统的发展，包括用于计量应用的光学频率梳(Nobel 2005)、自调谐激光器、脉冲处理和放大器(Nobel 2018)以及实现更多机器学习的基本方法，如光子神经网络系统。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！