《Advanced Photonics Research》浙大团队提出混合逆向设计方法,实现太赫兹三通道模分/波分同时解复用

引言

近日,浙江大学团队,在国际光学期刊《Advanced Photonics Research》上发表重要研究成果:他们采用逆向设计方法,成功研发出一种超紧凑型太赫兹三通道模式与波分解复用器,在不足2个波长的微小尺寸内,实现了对三路不同模式、不同波长信号的精准分离与引导。该器件性能优异,为未来高密度集成光互连和6G太赫兹通信提供了关键器件支持。

核心创新

面对如何在微小空间内实现复杂光学功能这一挑战,研究团队没有采用传统的、依赖物理直觉和复杂级联结构的设计方法,而是独辟蹊径,采用了一种混合逆向设计策略。

1.全局搜索的"遗传算法":模仿生物进化中的"优胜劣汰",算法自动生成大量随机结构,通过性能评估(即"适应度函数")不断筛选、交叉、变异,在浩瀚的设计空间中,快速"进化"出性能优良的初始结构雏形。

2.局部雕琢的"拓扑优化":在获得优质"初代"结构后,采用基于梯度下降的拓扑优化方法。这种方法如同一位精细的雕刻家,能计算出结构调整对性能影响的精确方向(梯度),从而对结构进行微米级的局部优化,进一步提升性能并满足实际制造工艺要求。

这种"先全局粗搜,再局部精修"的混合策略,巧妙结合了两种算法的优势,既避免了传统优化易陷入局部最优的陷阱,又极大地提升了设计效率和器件性能。

卓越性能:

通过上述方法设计出的最终器件,尺寸仅为0.9毫米见方,比2个工作波长(约1.4毫米)还要小,实现了极高的集成度。

其功能令人惊叹:它能将输入端混合输入的、波长在680-720微米范围内的太赫兹波(TE₁₀模式),高效地分离到三个输出端口,每个端口不仅输出特定波长(690/700/710微米),还对应着完全不同的光波模式(TE₂₀/TE₁₀/TE₃₀)。

实验测试表明,该器件在所有目标通道上的插入损耗均低于3分贝,同时通道间的信号串扰可低至-22分贝,展现出了优异的信号分离纯净度和传输效率。研究团队还创新性地采用了光子晶体波导封装,确保了器件与标准太赫兹测试系统实现稳定、低损耗的对接。

研究意义

这项研究不仅是太赫兹集成光子学领域的一项重要进展,更为未来高密度、高带宽的片上光互连系统提供了一种可行的器件方案与设计范式。

其科学价值与应用前景主要体现在:

推动6G与太赫兹通信:太赫兹被认为是6G通信的关键频段,该器件为太赫兹频段的多维复用传输提供了核心模块;

赋能光计算与片上网络:随着硅光技术与光计算兴起,高密度、低串扰的复用/解复用器件是构建大规模光互连架构的基础;

逆向设计方法论的拓展:所提出的GA+TO混合优化策略,可推广至其他多端口、多模式、宽波段的光子器件设计中,具有较高的通用性与可扩展性。

结语

从万物互联到算力爆发,信息的洪流对传输管道提出了前所未有的苛刻要求。浙江大学团队此项研究,正是在光子集成和太赫兹技术的前沿交叉点,用智能算法"雕琢"出的一把关键钥匙。

它不仅打开了一扇通往更紧凑、更高效光子器件的大门,也为我们构想中的未来------由光与太赫兹驱动的高速智能世界,铺下了一块坚实而精巧的基石。

图1.该太赫兹光子模分-波分复用器件由逆向设计区域和基于光子晶体波导理论的支撑框架组成

图2.逆向设计框架

图3.制备器件与实验表征装置

图4.模拟与实验结果

【注】小编水平有限,若有误,请联系修改;若侵权,请联系删除!

相关推荐
晚霞的不甘5 小时前
守护智能边界:CANN 的 AI 安全机制深度解析
人工智能·安全·语言模型·自然语言处理·前端框架
谢璞5 小时前
中国AI最疯狂的一周:50亿金元肉搏,争夺未来的突围之战
人工智能
池央5 小时前
CANN 算子生态的深度演进:稀疏计算支持与 PyPTO 范式的抽象层级
运维·人工智能·信号处理
方见华Richard5 小时前
世毫九实验室(Shardy Lab)研究成果清单(2025版)
人工智能·经验分享·交互·原型模式·空间计算
Maynor9965 小时前
OpenClaw 玩家必备:用 AI 自动追踪社区最新动态
java·服务器·人工智能
aini_lovee5 小时前
MATLAB基于小波技术的图像融合实现
开发语言·人工智能·matlab
ujainu5 小时前
CANN仓库中的AIGC多模态统一抽象工程:昇腾AI软件栈如何用一套接口驾驭图文音视
人工智能·aigc
AC赳赳老秦5 小时前
代码生成超越 GPT-4:DeepSeek-V4 编程任务实战与 2026 开发者效率提升指南
数据库·数据仓库·人工智能·科技·rabbitmq·memcache·deepseek
液态不合群5 小时前
推荐算法中的位置消偏,如何解决?
人工智能·机器学习·推荐算法
饭饭大王6665 小时前
当 AI 系统开始“自省”——在 `ops-transformer` 中嵌入元认知能力
人工智能·深度学习·transformer