分数阶涡旋光衍射过程的机器学习识别

作     者：郭焱 吕恒 丁春玲 袁晨智 金锐博 GUO Yan;LYU Heng;DING Chunling;YUAN Chenzhi;JIN Ruibo

作者机构：武汉工程大学光学信息与模式识别湖北省重点实验室武汉430205 

基　　金：国家自然科学基金(批准号:92365106,12074299) 湖北省自然科学基金杰出青年项目(批准号:2022CFA039)资助的课题 

出 版 物：《物理学报》 (Acta Physica Sinica)

年 卷 期：2025年第74卷第1期

页      码：151-158页

摘      要：分数阶涡旋光束具有分数轨道角动量(fractional orbital angular momentum,FOAM)模式,理论上可以无限增加传输容量,因此在光通信领域具有巨大的应用前景.然而,分数阶涡旋光束在自由空间传播时,螺旋相位的不连续性使其在实际应用中容易受到衍射的影响,进而影响FOAM阶次识别的准确度,严重制约基于FOAM的实际应用.如何实现有衍射条件下的分数阶涡旋光的机器学习识别,目前仍是一个亟需解决且少见诸报道的问题.本文提出一种基于残差网络(residual network,ResNet)的深度学习(deep learning,DL)方法,用于精确识别分数阶涡旋光衍射过程的传播距离和拓扑荷值.实验结果表明,该方法可以在湍流条件下识别传播距离为100 cm,间隔为5 cm,模式间隔为0.1的FOAM模式,准确率为99.69%.该技术有助于推动FOAM模式在测距、光通信、微粒子操作等领域的实际应用.

主 题 词：分数阶涡旋光束 机器学习 大气湍流 残差网络 

学科分类：0401[教育学-教育学类] 04[教育学] 

核心收录：

D　O　I：10.7498/aps.74.20241458

馆 藏 号：203156669...