用于模式分类的衍射神经网络，具备灵活的检测区域

光场通过衍射光学神经网络（DONN）和可变检测区域实现高效模式分拣，实验中采用三片相位板分拣25个高斯-赫米特模式，检测区域作为训练参数优化后，交叉 talk降低至8.7%，效率达19.3%，优于传统固定检测方案。

　　
本文探讨了一种基于衍射光学神经网络（DONN）的模式分拣技术，通过优化相位板和可变检测区域设计，显著提升了模式分离的效率并降低了交叉干扰。研究显示，在相同性能指标下，灵活调整检测区域的方案相比传统固定检测模式，交叉 talk可降低约30个百分点，同时保持较高的分拣效率。

**技术背景与挑战**
光场模式分拣技术旨在将具有特定空间结构的激光模式（如高斯光束、螺旋光束等）定向投射到不同检测区域。传统方法依赖光学组件（如透镜、波前调制器）实现模式转换，但存在效率低、交叉 talk高（可达30%-40%）等问题。例如，基于光学相位变换的多平面光转换器（MPLC）虽然能实现多模式分离，但其检测区域固定，难以优化模式分配策略。此外，现有训练方法（如波前匹配算法）通常要求精确定义输出模式形态，导致灵活性不足。

**创新性解决方案**
研究团队提出将模式分拣器建模为衍射光学神经网络（DONN），并引入以下创新：
1. **动态检测区域优化**：突破传统固定检测区域限制，将输出光场分布与检测区域形状均作为可训练参数。通过反向传播算法，系统自主调整检测区域的几何分布（如圆形、多边形分割）以适配不同模式输出，显著提升模式识别效率。
2. **多目标损失函数设计**：采用效率损失与交叉 talk损失加权组合（总损失=α·效率损失+(1-α)·交叉 talk损失），通过调节权重α实现性能平衡。实验表明，在α=0.75时，25模式分拣器效率达58.5%，交叉 talk仅8.7%。
3. **对称相位板约束**：针对模式对称性特征，引入相位板对称性约束条件，使训练结果更符合物理规律，同时提升实验复现性。

**实验验证与性能突破**
实验采用786nm激光光源，通过透镜组准直和扩束形成覆盖全相位板的光场。使用动态电调光栅（SLM）作为相位调制层，配合反射镜实现多平面相位叠加。对比实验表明：
- **固定检测方案**：3板分拣器处理25种高斯-高斯（HG）模式时，效率与交叉 talk呈负相关。当效率提升至30%时，交叉 talk高达29%，且效率提升边际递减。
- **灵活检测方案**：通过自主优化检测区域分布，在相同交叉 talk阈值（8.7%）下，分拣效率提升至58.5%。实验还发现，单板分拣器（4模式）的灵活方案比传统方法效率提高40%，交叉 talk降低至12%。

**关键技术创新点**
1. **检测区域智能化**：传统MPLC固定检测区域导致模式分配效率受限。本研究通过将检测区域轮廓参数纳入训练集，使系统能根据不同模式的空间分布特征动态调整检测范围，显著提升模式定位精度。
2. **训练算法优化**：采用深度学习框架（PyTorch）实现端到端训练，通过GPU加速的数值仿真（TorchOptics库）预演相位板参数。实验验证表明，神经网络训练效率比传统波前匹配算法提高约5倍。
3. **硬件兼容性增强**：方案兼容现有光学平台（如SLM+反射镜系统），仅需添加可编程探测器模块。实验采用商业级1920×1152像素SLM，通过优化相位板参数和光路校准，在实验室环境下实现了可靠运行。

**应用前景与产业化潜力**
该技术为多个领域提供新解决方案：
- **通信领域**：多模式光纤传输中，通过优化交叉 talk可提升信道容量。例如，在OAM光通信中，灵活检测可降低模式间串扰，提升传输距离。
- **成像技术**：超分辨成像（如光场显微镜）依赖模式分拣精度。实验表明，交叉 talk低于1%时，成像信噪比可提升10dB以上。
- **量子光学**：量子态分类需要高纯度模式分离。本方案在25模式分拣中达到97.8%的模式纯度，为量子光源处理提供新思路。

**技术局限性及改进方向**
当前方案面临以下挑战：
1. **SLM响应延迟**：电调光栅的刷新率限制实时分拣能力，需开发高速量子点显示技术替代方案。
2. **多光束干涉干扰**：当模式间距较小时（如HG模式近场重叠区），检测区域重叠会导致交叉 talk上升。建议引入偏振调制或多色光源技术区分模式。
3. **训练数据需求**：需大量标注模式数据训练神经网络。未来可结合生成对抗网络（GAN）自动生成合成训练集。

**结论**
本研究验证了神经光学系统在模式分拣中的优越性，特别是动态检测区域设计突破了传统MPLC的性能瓶颈。实验表明，在3板分拣器中，25种HG模式分拣效率可达58.5%，交叉 talk降至8.7%，较传统方法效率提升近一倍，交叉 talk降低75%。该成果为构建大规模光学神经网络奠定了基础，未来可扩展至数百种模式分拣，推动光计算和量子信息处理技术的突破。