基于深度学习的集成模分复用光谱仪

在信息时代，光子和电子是信息传输的主要载体。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光波长或衍射极限的限制。

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，有效地提高了通信系统的传输能力。

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，当提取独立模式上携带的波长相关信息时，通常需要级联MDM设备和WDM设备，这增加了设备的尺寸。此外，由于不同模式之间的强耦合效应，在单个设备中实现模式解复用和光谱测量仍然是一个挑战。因此，与MDM系统兼容的片上多模光谱仪仍然是一个问题。

据麦姆斯咨询报道，近日，厦门大学和华侨大学等机构的研究人员组成的团队在Opto-Electronic Science期刊上发表了题为“Towards integrated mode-division demultiplexing spectrometer by deep learning”的最新论文，团队提出了MDM光谱仪的概念，并描述了第一个基于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（图1）组成，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式间非线性耦合问题，研究人员成功地实现了多模光谱的单点重建和多点光谱分辨率增强的功能。

图1所提出的模分复用光谱仪的原理图

图2 TE1-TE4多模的单点同时重建

模拟结果表明，分支结构中的光场分布随模式和波长而变化，从而在探测器上产生不同的光电流。在深度学习算法的支持下，TE1-TE4的并行重建，在1500-1600nm带宽内对25个探测器进行单次测量实现15nm光谱分辨率。

此外，研究人员进一步应用了多模重建方法来提高光谱分辨率，即通过将TE1-TE4中的多模响应叠加到时间序列上的单个光谱，实现了3nm分辨率，与单模响应（7nm分辨率）相比提高了约1.3倍，并打破了探测器数量的分辨率限制。

本研究项目得到了国家自然科学基金（62005231）、中央高校基本科研业务费（20720210045、20720200074）和广东省基础与应用基础研究基金（2021A1515012199）的资助。

审核编辑：汤梓红