通过深度学习实现集成模式分割解复用光谱仪

在信息时代，光子和电子是信息传递的主要载体。与微电子学中的摩尔定律不同，集成光子器件的密度主要受限于光的波长或衍射极限。

为了提高光子器件的信息传输能力，波分复用(WDM)、偏振分复用(PDM)和模分复用(MDM)等复用技术得到了广泛深入的研究，有效地提高了光子器件的传输能力。通信系统。

最近，研究人员将这些复用技术(如WDM-MDM混合复用)结合起来，以满足各种规模的光网络对超高链路容量的巨大需求。

然而，在提取独立模式承载的波长相关信息时，通常需要将MDM设备和WDM设备级联，这增加了设备的占用空间。此外，由于不同导模之间​​的强耦合效应，在单个设备中同时实现模式解复用和光谱测量仍然是一个挑战。因此，兼容MDM系统的片上多模光谱仪仍然是一个悬而未决的问题。

Opto-ElectronicSc​​ience上这篇文章的作者提出了MDM光谱学的概念，并描述了第一个用于MDM系统的集成模分复用光谱仪。该光谱仪由分支多模波导和光电探测器阵列组成(图1)，通过结构色散和光电流测量实现模式解复用和光谱检测的集成。利用深度学习技术解决模间非线性耦合问题，研究人员成功实现了多模光谱单次重构和多次光谱分辨率增强的功能。

仿真结果表明，分支结构中的光场分布随模式和波长而变化，从而在检测器上产生不同的光电流。在深度学习算法的支持下，TE1-TE4并行重建的15nm光谱分辨率是通过在1,500-1,600nm带宽内对25个探测器进行单次测量而实现的。

此外，研究人员进一步应用多模重建方法来提高光谱分辨率，即通过将TE1-TE4中的多模响应按时间序列叠加到单个光谱上，实现3nm的分辨率，通过与单模响应(7纳米分辨率)相比约为1.3倍，并且打破了探测器数量的分辨率限制。