近日，上海理工大学顾敏院士、方心远研究员课题组在光学领域顶级期刊《光：科学与应用》(Light: Science & Applications)上发表题为“用于高精度模式特征编码的轨道角动量介导机器学习”(Orbital angular momentum-mediated machine learning for high-accuracy mode-feature encoding)的研究成果，光子芯片研究院方心远研究员、博士生胡晓楠、李保莉博士为共同第一作者，顾敏院士和方心远为通讯作者，上海理工大学为第一单位。
作为一类典型的结构光场，轨道角动量(即Orbital angular momentum，英文缩写OAM)光束具有螺旋相位及“甜甜圈”形状的光强分布。由于其理论上具有正交无穷物理状态，轨道角动量可以用作信息载体，提升光通讯、全息、光存储、显示、图像处理、量子信息等领域的信息容量及安全性。在此过程中，虽然已经发展了多种全光的轨道角动量解码方法，但是目前逐像素的轨道角动量编码技术使得信息处理过程中仍会产生巨大的延迟。
因此，课题组致力于构建衍射型的光学神经网络，将输入信息展开为轨道角动量谱，利用光学衍射过程实现轨道角动量谱卷积及模式选择，基于机器学习算法学习输入信息轨道角动量特征并实现高精度编码。结合轨道角动量解码器，该方案被应用于全光编码轨道角动量光通讯、端到端可切换图像显示、全光降维异常检测等任务，为全光轨道角动量智能信息处理提供了研究思路。
该研究利用全光机器学习将数据特征转化为轨道角动量状态的通用机制，可以实现任意信息在轨道角动量维度上的自由转换。光学机器通过学习智能轨道角动量编码这一“新课程”，打开了以光速对特定数据库和图像进行轨道角动量编码的新大门，同时也打破了轨道角动量域中光学降维的瓶颈。该技术有望开拓光学机器学习在高容量、高安全经典及量子光学中的应用方向。
文章原理及概念图
