近期，广东工业大学秦玉文栽培引导的课题组将深度学习与多模光纤的多重散射特色趋奉，利器用有各样性的数据集对辘集进行检修，结束了多模光纤的非正交复用。

该征询为克服多模光纤模式色散，充分发扬多模光纤高通量传输上风提供了新的想路。

有望让限度内学者更多地选藏多模光纤这种高通量传输介质，劝诱更多交叉学科的学者使用深度学习的技艺，来探索非正交多维复用传输在不同限度的左右。

此外，该征询还为限度提供了新的视角，即在基于数据首先的 AI 算法加捏下，引起光学乃至悉数这个词信息学科限度对深度学习的可爱。

秦玉文觉得，在之前看来许多不能能的事情或需要较多残酷条款能力结束的事情，在 AI 的赋能之下有望冲破完成。

近日，臆想论文以《基于深度学习的非正交光信息复用》（Non-orthogonal optical multiplexing empowered by deep learning）为题发表在 Nature Communications 上[1]。

广东工业大学硕士生潘土强和叶建伟为共同第一作家，秦玉文栽培和徐毅栽培担任共同通讯作家。

图丨臆想论文（起原：Nature Communications）

现阶段，光通讯聚焦在大容量光纤通讯目的，差异通过先进的调制算法和 AI 两个技巧冲破单纤的传输容量。

现在，在单模光纤通讯中，分复用是一种最穷困的复用方式，包括波分复用、偏分复用和空分复用等。

这种本事依赖于信谈之间的物理正交性，要是信谈之间的正交性出现恶化，将极地面加多接受机数字信号处理的复杂度。

在单模光纤的多维复用传输本事中，多路信谈复用的基础是各个复用信谈之间存在物理正交性。

基于此，征询东谈主员提议，有莫得可能更换一种传输通量更大的传输介质？

多模光纤当作信息传输介质在日常生存中非时时见，比如，大型数据中心里面的短距光互联可遴荐多模光纤。

图丨多模光纤的非正交多维光信息复用默示图（起原：Nature Communications）

该团队在昔日的征询中，曾将深度学习左右于单模光纤通讯中，用于进步光纤传输系统的性能，但深度学习仍无法处治单模光纤通讯中的非正交复用难题。

征询东谈主员表示：“由于咱们的征询目的是加多单纤的传输容量，因此复旧上千个传输模式，具有高通量传输特色的多模光纤成为冲破正交复用范式的征询对象。”

在初步的尝试中，他们通过蜕变输入信号的偏振态，使得两路输入信号的偏振态不处于相互垂直的情景。

实验标明，在这种情况下，深度神经辘集不祥结束对两路非正交信号的解码。

更进一景观，该课题组让两路信谈的波长、空间位置和偏振态保捏皆备一致。

在这种情况下，使用深度学习的技艺依然可以结束两路信号的高保真度解复用，为基于多模光纤的高通量非正交复用传输提供了基础。

图丨通过深度学习结束多模光纤非正交光复用（起原：Nature Communications）

值得选藏的是，该征询不仅依赖于深度学习强大的端到端映射才略，更穷困的是，多模光纤自己的物理特色。

秦玉文评释说谈：“一根多模光纤复旧上千个传输模式，施行的传输经过中模式之间存在耦合，可以等效为一个多重散射的经过。”

因此，输入端多路信号之间微细的互异，将被这个多重散射物理经过放大，呈现为输出端具有不同特征的散斑。

这些散斑的互异很难被东谈主眼识别，而深度学习碰巧突出擅长辩别到这种特征，从而不祥结束非正交输入信号的解复用。

征询东谈主员遴荐与多模光纤多输入多输出关系访佛的全一语气层，来与具备识别散斑特征的卷积层串联。

趋奉多模光纤多重散射的物理特征，将在多模光纤输入端具有微细互异的信号，诊治成输出端神经辘集可识别的散斑。

然后，再通过天然图像数据集偏激对应输出散斑构成的数据检修辘集，检修好的辘集仅通过单发输出散斑，即可收复多路非正交复用输入信号，进而结束了非正交输入信号的复用传输。

图丨秦玉文栽培引导的课题组（起原：广东工业大学）

永恒以来，秦玉文团队从事光通讯、光传感和通感交融光子本事方面的征询。此前，征询东谈主员在征询使用多模光纤当作传输介质方面，还是麇集了一定本事基础。

2022 年，报谈了使用深度神经辘集当作多模光纤正交复用传输系统的解码器，发现全一语气神经辘集和 U 型的组合，可以使得解码的保真度赢得可以的进步适度[2]。

2023 年，该课题组重新谛视了基于传输矩阵的折服性物理技艺，使用传输矩阵奏凯求逆，在多模光纤传输上赢得了近乎完竣的幅相传输保真度[3]。

在本次征询中，天然实验适度标明所提议辘集具有较好的泛化才略，但依然依赖于大宗数据的检修，短缺泛化性和神经辘集的可评释性，不利于深度神经辘集在非正交复用传输本事限度的施行左右。

该团队表示：“现在，咱们正在征询将多重散射物理特色，进一步与神经辘集的结构相交融。但愿跟着对物理机制的深远会通，不祥结束极少数据情况下的辘集检修。”

另一方面，多模光纤传输特色对环境参量较为明锐。因此，非正交复用传输本事对环境参量的脱敏亦然需要优化的本事问题之一，征询东谈主员筹算通过及时更新辘集来处治该问题[4]。

“该征询是在多模光纤非正交复用传输限度迈出的穷困一步，后续还有好多责任需要继续探索，能力把该本事确凿地推到左右阶段。”秦玉文说谈。

接下来，该团队将征询扰动情况下多模光纤模式之间的耦合特色，进一步探索多模光纤多重散射的物理经过和分析技艺。

他们但愿不祥通过多重散射系统的物感性质来带领深度学习采汇注构的优化目的，进步多模光纤非正交传输系统的准确率、速度和通晓性。

况且，期待将该本事拓展到其他的多入多出波动系统中，从而进步单个传输介质的传输容量极限。

参考良友：

1.Pan, T., Ye, J., Liu, H. et al. Non-orthogonal optical multiplexing empowered by deep learning. Nature Communications 15, 1580 (2024). https://doi.org/10.1038/s41467-024-45845-4

2.Tang,P. et al. Learning to transmit images through optical speckle of a multimode fiber with high fidelity. Applied Physics Letters, 121, 081107(2022). https://doi.org/10.1063/5.0099159

3.Ye,J. et al. Light field information transmission through scattering media with high fidelity.Chinese Optics Letters 21,12,121101(2023). https://doi.org/10.3788/COL202321.121101

4.Li, Z., Zhou, W., Zhou, Z. et al. Self-supervised dynamic learning for long-term high-fidelity image transmission through unstabilized diffusive media. Nature Communications 15, 1498 (2024). https://doi.org/10.1038/s41467-024-45745-7

排版：刘雅坤

01/ 散播式电合成氨路在何方？科学家开展合成氨热力学分析，初度找出能耗更低的候选介导金属

02/ 科学家打造基于量子芯片的神经储存器，每闲居厘米复旧万亿节点，有望用于任务

03/ 科学家揭示双层超构光栅新特色，为光子器件提供表面基础，可用于光筹算、量子辐照和新式走漏

04/ 大连化物所团队提议一步法电板回收工艺，极大提高电板回成遵循，结束向下一代储能电板的诊治

05/ 人命科学大数据操作系统助力征询降本增效？CCF开源鼎新大赛暨第二届Bio-OS开源怒放大赛报名开启