针对传统OAM模式复用全息中光学复用参数维度有限、模式-全息映射固定导致的信道扩展与动态调控困难，该研究提出基于可旋转衍射神经网络的双参数编码机制，引入旋转状态作为外在调制自由度，与固有OAM模式协同构建多维编码空间。
通过可旋转相位层的独立角度调控，实现输入OAM模式至多个全息图的一对多动态映射，完成全息信道容量的扩展与高安全性图像加密。
论文9
https://doi.org/10.1109/JLT.2025.3583344
欢迎指教交流~
相关推荐
报错小能手21 小时前
C++笔记（面向对象）深赋值 浅赋值一介书生-00721 小时前
2025-10-27 Java AI学习路线繁花与尘埃1 天前
CSS引入方式(本文为个人学习笔记，内容整理自哔哩哔哩UP主【非学者勿扰】的公开课程。 ＞ 所有知识点归属原作者，仅作非商业用途分享)Century_Dragon1 天前
新能源汽车故障诊断与排除虚拟实训软件：赋能职业教育利器高洁011 天前
【无标题】大模型-模型压缩：量化、剪枝、蒸馏、二值化 (2无风听海1 天前
神经网络之密集的词向量如何能够代表稀疏的词向量文火冰糖的硅基工坊1 天前
[人工智能-大模型-74]：模型层技术 - 模型训练六大步：③神经网络，预测输出：基本功能与对应的基本组成函数m0_626535201 天前
数据结构学习，一些知识点kk_net88991 天前
PyTorch Geometric 图神经网络实战利器No.Ada1 天前
基于脑电图（EEG）的认知负荷检测实验范式与深度神经网络的系统综述 论文笔记