只需單個器件和單次測量：科學家實現高維度的光場探測，將能用於自動駕駛

近年來，隨着光通信、航天遙感、目標識別、自動駕駛等領域的快速發展，對光場的感知和探測、以及光學系統的小型化和集成化提出了更高要求。

對於光場來說，它攜有強度、偏振、頻率、相位等多個維度的信息。

其中，光譜信息和偏振信息可以揭示物質組成成分、以及物體表面形貌等信息，因此探明這兩種信息是光場探測中的關鍵一環。

然而，現有的偏振探測器和光譜探測器依舊存在兩個問題：

一是其探測能力依賴於在時間或空間上集成偏振或波長敏感元件；

二是它們一次僅能對部分特徵進行測量，無法準確探測高維度光場信息，即無法準確探測在寬光譜範圍內具有任意變化的偏振信息和強度信息。

爲了解決以上問題，中國科學院長春光學精密機械與物理研究所的研究人員，在高維度光場探測領域開展了一項研究。

研究中，他們提出一種利用光學界面的空間色散和頻率色散在波矢空間調控偏振響應和光譜響應的思想。

並配合深度學習方法來解碼偏振信息和光譜信息，利用單個器件的單次測量，就能實現對於高維度光場信息的探測。

對於該論文，審稿人認爲這是領域內具有標誌性意義的創新突破，填補了前人工作中的空白。

而在研究中，他們先是建立計算模型，並對器件進行設計。

最初，他們發現利用光學界面的空間色散和頻率色散，可以在波矢空間調控偏振和波長信息。

之後，課題組基於簡單的單層薄膜體系，對其透射率與入射偏振態、入射光譜、入射角和方位角的關係進行了系統分析。

隨後，該團隊又發現通過引入共振，可以增強透射強度分佈對於偏振信息和光譜信息的敏感性，並逐步建立了在波矢空間中、光經過色散表面的透射傳輸模型。

藉此將強度信息、偏振信息和波長信息，全部編碼到單個波矢空間的強度分佈之中，並基於該模型設計了薄膜器件。隨後，他們從波矢空間的強度分佈中解碼信息。

一開始，該團隊採用了許多常用的信息提取方法。但是，由於上述強度分佈中編碼的偏振信息和光譜信息較爲複雜，同時實驗上會引入額外的系統噪聲，以至於使用這些方法只實現了針對簡單信息的提取分析。

爲了從中解碼出複雜的高維光場信息，他們藉助深度學習的方法，並且經過了大量的實驗、訓練和測試，確定這一方法可以實現高維信息的提取。

並逐步在理論和實驗上實現了對於偏振信息、光譜信息、以及高維光場信息的高精度探測。

驗證探測器的信息探測能力之後，他們發現探測器在較小的入射角度下，也有一定的偏振信息和光譜信息敏感特性。

於是，該團隊考慮通過集成微透鏡陣列實現高維度光場的成像。

經過大尺寸樣品的製備、微透鏡陣列的製造、以及大面積圖像傳感器陣列的選取之後，他們構建了超緊湊的高維光場成像儀。

並針對不同的高維光場場景進行了成像。至此，主要研究工作才終於完成。

由於高維光場信息十分複雜，是每個維度信息乘積的關係。在單個器件、單次探測的情況下，採用傳統的解碼方式，很難針對高維光場信息進行解碼。

近年來，隨着深度學習的快速發展，各個學科的研究人員都開始引入深度學習。

如前所述，該團隊也看到了深度學習在信息解碼中的潛力。因此，在本次研究之中，他們利用 ResNet 經典神經網絡模型，對高維光場信息進行了重建。

而由於研究成員都是光學背景出身，所以在深度學習算法的建立過程中遇到了不少困難。

研究人員表示：“在這一過程中最令人難忘的事是仿真光譜重建第一次有效果的時候。”

在正式開始進行仿真光譜的重建前，他們已經在深度學習方面摸索了近一年的時間。

這一年中，無論是偏振還是光譜的實驗重建，他們都取得了一些初步效果。

本以爲理論光譜的重建會進行得非常順利，但事與願違，在一開始連一丁點重建成功的跡象都沒有。

隨後他們又進行了大量嘗試，每次都以失敗告終。失敗並不可怕，可怕的是不知道爲什麼失敗，不知道怎樣纔可能成功。

他們甚至開始懷疑，之前實驗上取得的初步效果其實只是一個美麗的誤會。

就這樣，在一邊看着“亂碼”般的重建結果看不到頭，一邊陷入深深的自我懷疑下，他們掙扎了整整兩個月。

終於，兩個月後的某一天，就是大家那麼不經意的一次討論，讓他們突然驚醒，並開始重新審視重建方法。

果然，課題組發現了失敗的可能原因，於是快速進行新一輪的嘗試。

“就像霧霾散去，露出藍天一樣，我們看到一條幹淨的曲線。我們一直堅信能夠重建成功，但當真的看到它時，第一時間是不敢相信。”研究人員表示。

而當目光逐漸匯聚，當兩條相似而不完全一樣的曲線完全進入視野時，他們才終於確認，這一次，成功了！

最終，相關論文《以色散輔助高維光電探測器》（Dispersion-assisted high-dimensional photodetector）爲題發在 Nature[1]。

圖 | 相關論文（來源：Nature）

中國科學院長春光學精密機械與物理研究所的博士生範延東、黃偉安和朱菲是共同一作。

中國科學院長春光學精密機械與物理研究所的李煒研究員和靳淳淇助理研究員、以及新加坡國立大學仇成偉教授擔任共同通訊作者。

圖 | 研究人員（來源：課題組）

而由於所構建的理論模型本質上適用於任意波段，所以下一階段課題組計劃在紅外等波段來實現高維探測，以便適應更多的應用場景。

此外，他們計劃進一步探索物理模型與深度學習模型，以降低所需要的先驗數據量，提高探測器的實用性。

同時，還將利用超表面、光子晶體和二維材料等代替薄膜結構，將所提出的探測器進一步小型化並提高探測分辨率。

與此同時，他們也計劃通過升級模型或使用更加複雜的模型，降低訓練所需要的先驗數據量，並實現更加優異的性能。並將繼續把深度學習方法，應用在其他研究方向中。

在應用上，該團隊希望可以將這一研究應用於遙感領域，在提升信息信息探測維度的同時，實現探測系統的小型化。

此外，他們還希望能夠將其用於醫療診斷、化學分析、工業檢測和自動駕駛等領域，通過對目標物實現更加精準、更加全面的分析探測，來推進相關領域的發展。

參考資料：

1.Fan, Y., Huang, W., Zhu, F.et al. Dispersion-assisted high-dimensional photodetector. Nature 630, 77–83 (2024). https://doi.org/10.1038/s41586-024-07398-w

運營/排版：何晨龍

01/ 上交團隊設計AI模型將分子動力學計算效率提升100倍，有望用於離子導體研究和藥物研發等

02/ 南科大團隊打造“自給自足”式量子冰箱，能爲量子比特實現降溫，降低量子計算機出錯率

03/ 港城大團隊開發新型納米層狀膜，可用於特殊場景的淡水處理，爲二維材料應用尋找突破口

04/ 數十年化學難題給出可信解答，科學家提出氯化氫溶解形成鹽酸微觀新機理，將推動多個學科的發展

05/ 科學家打造量子傳感操控新方法，能準確檢測微弱信號，可用於探測和操控單個核自旋