編譯：chux
出品：ATYUN訂閱號
加拿大INRS和英國蘇塞克斯大學的研究人員利用機器學習和集成光子芯片，可以定製寬帶光源的屬性。這些來源也稱爲“超連續光譜”，是新成像技術的核心，研究人員提出的方法將進一步深入瞭解光物質相互作用和超快非線性光學的基本方面。
在INRS的Roberto Morandotti教授實驗室中，研究人員能夠創造和操作用於產生寬帶光譜的強烈超短脈衝模式。近年來，高強度超短激光脈衝激光源的發展導致了2018年諾貝爾物理學獎的誕生，以及空間限制和引導光傳播（光纖和波導）的方法，催生了功率巨大的光學架構。隨着這些新系統的出現，一系列的可能性出現了，比如supercontinua（通過強烈的光物質相互作用產生的擴展光譜）的生成。
這種功能強大且複雜的光學系統及其相關工藝目前構成了激光科學，計量學，高級傳感，生物醫學成像技術廣泛應用的構建模塊。爲了不斷推動這些技術的極限，需要更多的光性能定製能力。通過這項工作，國際研究團隊爲這一問題推出了實用且可擴展的解決方案。
蘇塞克斯大學Benjamin Wetzel博士領導這項研究，他證明了飛秒光學脈衝的各種模式都可以準備並明智地操縱。“我們利用集成光子結構提供的緊湊性，穩定性和亞納米分辨率來產生可重新配置的超短光脈衝束，”Wetzel博士解釋說，“所獲得的參數空間的指數縮放產生了超過1036種可實現的脈衝模式的不同配置，超過了估計的恆星數量。”
有了這麼多的組合，科學家們發現了一種光學系統，這種光學系統對初始條件高度敏感，爲了探索光操作的結果，研究人員轉向了機器學習技術。他們已經證明，當他們的系統和一個合適的算法聯合起來來探索大量可用的光脈衝模式，以適應複雜的物理動力學時，輸出光的控制和定製確實是有效的。
這些令人興奮的結果將影響許多領域的基礎研究和應用研究，因爲當前光學系統的很大一部分依賴於與超連續譜產生相同的物理和非線性效應。
因此，預計國際研究團隊的工作將通過自我優化技術推動其他智能光學系統的發展，以及更多的實現機器學習的基本方法，如光子神經網絡系統。