用于混合集成的高功率InP单片集成宽带可调激光器和SOA阵列(二)

4. 宽带可调窄线宽泵浦激光器

我们现在展示可调激光器的可调性、光谱纯度和线宽的数据,包括有和没有高功率放大情况下的数据。主激光器是一个商用宽带可调采样光栅可调谐分布反馈激光器的定制变体,我们在补充材料1图S3中观察到了类似的调谐特性。

图4显示了激光器粗调时输出功率和边模抑制比的数据,包括有和没有放大的情况。图4(a)显示了没有放大情况下的光谱性能(单个SOA偏置在低于透明度的状态),使用OSA设置为1.2 GHz(0.01 nm)光谱分辨率进行测量。激光器在扩展C波段内保持超过60 dB的边模抑制比。请注意,所示的低输出功率是由于SOA阵列中的吸收造成的。图4(b)显示了在完全偏置SOA后的迭代功率组合后激光器的输出数据。在增益谱中心(1542 nm)处,输出端功率为240 mW,边模抑制比在满功率放大情况下仍保持在60 dB,如图4(c)所示。

接下来我们讨论激光器的线宽和频率噪声的测量。主激光器的高频等效线宽预计约为200 kHz,类似于其商用变体。然而,众所周知,反馈水平低至-90 dB的反射(例如,由于InP-air界面的反射)可能会导致线宽展宽、多模激光或线宽缩窄,具体取决于反射信号的相位。这些效应在增益位于反馈路径中的情况下可能更为明显,如本案例。使用图1(c)中标记为ϕ5的热光相位调节器,我们可以在完全放大情况下保持并确实减少激光器的Schawlow-Townes线宽。我们使用改进的延迟自外差法测量了激光器的频率噪声功率谱密度(PSD),以解析Schawlow-Townes线宽,详细信息在补充材料1的第4和第5节中。

我们还测量了扩展C波段内一系列离散波长处的FM噪声谱,SOA阵列被开启并相位调整至最大输出功率。如前所述,使用相位调节器φ5来最小化频率噪声。提取的Schawlow-Townes线宽绘制在图5中,以及对应的OSA光谱(与图4(b)相同)。线宽在约30 kHz至50 kHz之间。我们将这种线宽缩小,与未放大激光器的最小值约100 kHz(见补充材料1,图S5(b))相比,归因于光反馈。

5. InP高功率激光器和SiN微谐振器的混合集成

将InP激光结构与其他材料系统中的微谐振器集成,因其多种应用而受到关注。最常见的动机是实现具有片上光源的硅光子微系统。为此,一个流行的方法是将InP增益部分与包含一个或多个可调谐环形谐振器传输滤波器的硅波导部分耦合,并在其后连接一个环形镜。这种方法也使用氮化硅(SiN)代替硅进行研究;与硅相比,SiN具有更低的损耗、更高的品质因数谐振器或改进的光栅长度,从而产生更窄的激光线宽。另一种方法是使用来自微环谐振器的瑞利散射为激光增益部分提供反馈。使用超高Q值耳语画廊模式谐振器的瑞利回散射已经广泛用于实现半导体二极管激光器的超窄线宽。瑞利回散射也被用作InP半导体光放大器的末端反射器,导致激光振荡具有2 mW的输出功率和13 kHz的3 dB线宽。通过扩展这种方案,克尔梳产生了稳定的腔孤子。

在本文中,我们报告了可调谐InP激光器和SOA阵列与SiN微环谐振器(MRR)芯片的混合集成。在高功率操作下,来自SiN微谐振器芯片的反馈在外部腔中减小了激光的频率噪声,结果是在SiN输出端获得了37.9 mW的功率和小于或等于3 kHz的Schawlow-Townes线宽。我们将功率的增加归因于干涉SOA阵列,后者在此操作模式中充当增益元件。

为了开发混合集成工艺,进行了三次迭代,如补充材料1第6节所述。在早期组装活动后进行了多个测试以展示其功能。例如,使用在混合集成前收集的调谐数据,激光器被准连续地调谐以获取连接的MRR芯片的传输光谱。图6(a)显示了在1 nm范围内的传输扫描,使用单个SOA在低偏压下进行。50 GHz(0.4 nm)的自由光谱范围显然可见;还观察到一个更高阶的横向模式。这一斜率的背景(非共振)功率是由于收集从SiN芯片耦合出的光纤的漂移引起的。图6(b)显示了单个共振的放大图。3 dB线宽约为240 MHz(约2 pm),类似于在异质集成前对相同MRR芯片的测量。InP-SiN界面的反射也起到了作用,特别是在SOA用于高功率时。图6(c)显示了光谱分析仪的数据,其中激光光谱由于这种光反馈而显著展宽,然后通过应用π/20的相移逐步恢复到外部腔相位调节器φ5的仪器分辨率(约1.2 GHz或0.01 nm)。为了获得更高的分辨率,我们使用外腔参考激光器对M-MOPA-MRR输出进行了外差测量,获得了在10 dB处约2 MHz线宽的拍频,这受到参考激光器的技术噪声限制。这些测量结果确认了激光器PIC在微环附加后的功能。

使用优化后的激光器PIC进行的最终组装首先在低功率下进行了测试。测量了激光器在1513 nm至1558 nm之间以5 nm增量离散调谐时的输出光谱和光频率噪声,仅激发了单个SOA。在每个调谐步骤中,调整外腔相位调节器以最小化频率噪声。我们观察到超过50 dB的边模抑制和高频等效线宽在30至230 kHz之间,与未绑定SiN PIC的性能相比,仅略有降低。然而,在高功率下的表现却大不相同。当所有四个SOA以最大电流驱动且其各自的相位调节器设置为最佳相干组合时,我们无法实现由主激光器控制的单模激光振荡。另一方面,我们发现如果关闭激光增益部分的电流,我们可以获得稳定的高质量激光光谱。激光发生在SOA增益谱的峰值附近。我们的解释是,在这种情况下,SOA阵列为由可调谐激光器前镜(最靠近SOA之一)和外部腔形成的激光腔提供增益,从而导致来自InP-SiN界面的反射或来自微环谐振器的瑞利回散射。我们观察到,通过调整激光器前镜的偏置,激光光谱可以在1542 nm和1547 nm之间变化。这一间距与SG-DBR光栅的5 nm模式间距相匹配。图7(a)显示了在激光器前镜的两种不同电流下观察到的光谱。边模抑制比接近56 dB,光功率高达37.9 mW(估计的SiN界面输出功率)。我们还测量了1542 nm激光条件下的频率噪声谱,图7(b)显示了高稳定性的激光。FM噪声底估计为1000 Hz2/Hz,对应于约3 kHz的Schawlow-Townes线宽,这与激光器的技术噪声和示波器的FM噪声相交,表明潜在的更低的Schawlow-Townes线宽被激光器和示波器的技术噪声掩盖。在1547 nm激光振荡中也观察到类似的FM噪声数据。观察到的极低线宽强烈支持微环谐振器在减少频率噪声方面的作用。尽管这不是我们最初的意图,这些观察结果表明,结合SOA阵列和频谱选择性外腔包括微环谐振器作为潜在的解决方案,适用于需要超低频率噪声和显著功率的应用。

6. 结论

我们报道了一种基于代工兼容工艺的单片InP光子集成电路(PIC),旨在实现高功率输出至单模波导。我们的PIC采用单片主振荡器-功率放大器(M-MOPA)架构,集成了四元干涉半导体光放大器阵列的相干片上组合。优化后的PIC在1542 nm处提供240 mW的最大片上功率,表现出卓越的被动稳定性和79%的估计相干组合效率。在调谐实验中,我们观察到在扩展C波段内平均功率超过180 mW。我们还对光频噪声谱进行了测量,从中提取了Schawlow-Townes线宽。在高功率操作下,我们获得了30 kHz到50 kHz的线宽。这些值比主振荡器激光器本身测得的Schawlow-Townes线宽(约100 kHz)低两到三倍,这是通过在弱光反馈存在的情况下调整外腔光相位调节器得到的改进。我们还研究了单片M-MOPA PIC与高品质因数氮化硅微环谐振器的混合集成,并获得了InP-SiN插入损耗约为5 dB。在高功率操作下,我们观察到一种新的工作模式,其中干涉组合放大器阵列作为增益元件,主激光器关闭。此时激光腔由前镜和来自氮化硅微环谐振器芯片的反馈形成。在这种配置下,我们观察到Schawlow-Townes线宽进一步缩小至约3 kHz,在SiN输出端的平均功率为37.9 mW。

总体而言,我们的工作构成了一种新的片上相干光束组合方法,旨在实现高功率、窄线宽的光源,这些光源可以与片上单模波导平台集成,用于多种潜在应用。我们的实验展示了高效率和固有相位稳定性的相干光束组合。这种方法还可以扩展到额外的片上放大器元件,前提是适当控制SOA输出功率的热减少。除了相干光纤通信、射频光子学和激光雷达外,这种片上高功率、窄线宽光源对于非线性集成光子学应用也可能具有重要意义,例如波长转换、微谐振器频率梳、参量放大、光子对生成和芯片级原子陷阱。

:本文由天津见合八方光电科技有限公司挑选并翻译,旨在推广和分享相关半导体光放大器SOA基础知识,助力SOA技术的发展和应用。特此告知,本文系经过人工翻译而成,虽本公司尽最大努力保证翻译准确性,但不排除存在误差、遗漏或语义解读导致的不完全准确性,建议读者阅读原文或对照阅读,也欢迎指出错误,共同进步。

天津见合八方光电科技有限公司(http://tj.jhbf.cc),是一家专注半导体光放大器SOA研发和生产的高科技企业,目前已推出多款半导体光放大器SOA产品(1060nm, 1310nm, 1550nm),公司已建立了万级超净间实验室,拥有较为全面的光芯片的生产加工、测试和封装设备,并具有光芯片的混合集成微封装能力。目前公司正在进行小型SOA器件、DFB+SOA的混合集成器件、可见光波长SOA器件、大功率SOA器件的研发工作,并可对外承接各种光电器件测试、封装和加工服务。

相关推荐
网络安全-杰克3 分钟前
《网络对抗》—— Web基础
前端·网络
几维安全24 分钟前
出海隐私合规解决方案,一文助力中企合规出海
网络·安全
章章小鱼26 分钟前
LLM预训练recipe — 摘要版
人工智能
红米饭配南瓜汤1 小时前
WebRTC服务质量(10)- Pacer机制(02) RoundRobinPacketQueue
网络·音视频·webrtc·媒体
算家云1 小时前
Stability AI 新一代AI绘画模型:StableCascade 本地部署教程
人工智能·ai作画·stable diffusion·模型构建·算家云·算力租赁·stablecascade
RacheV+TNY2642781 小时前
深度解析:电商平台API接口的安全挑战与应对策略
人工智能·python·自动化·api
学术会议1 小时前
“智能控制的新纪元:2025年机器学习与控制工程国际会议引领变革
大数据·人工智能·科技·计算机网络·机器学习·区块链
老鑫安全培训1 小时前
从安全角度看 SEH 和 VEH
java·网络·安全·网络安全·系统安全·安全威胁分析
呆头鹅AI工作室1 小时前
基于特征工程(pca分析)、小波去噪以及数据增强,同时采用基于注意力机制的BiLSTM、随机森林、ARIMA模型进行序列数据预测
人工智能·深度学习·神经网络·算法·随机森林·回归
网络安全成叔1 小时前
【网络分析工具】WireShark的使用(超详细)
网络·计算机网络·计算机·wireshark·php