深度学习赋能超宽带太赫兹高维光电探测器：突破多维度光学信息捕获瓶颈

本研究针对现有光电探测器无法同时捕获宽带连续光谱与全斯托克斯偏振信息的核心难题，开发了一种基于超表面的智能太赫兹光电探测器。通过轨道角动量（OAM）域的多维信息编码和残差神经网络（ResNet）解码，实现了0.3-1.1 THz范围内任意偏振态与波长（误差<5.1%）的同步检测，为高维光学信息处理与加密通信提供了新范式。

　　

在光学信息爆炸式增长的时代，光场的强度、相位、波长和偏振等多维度特征如同交响乐中的不同声部，共同承载着丰富的信息。然而传统光电探测器却如同"偏科的音乐家"，最多只能识别固定波长下的偏振（偏振计）或固定偏振下的波长（光谱仪）。这种局限性严重制约了光学计算、生物医学检测和遥感等领域的突破。现有解决方案要么依赖多个分立器件的笨重组合，要么受限于天然材料的固定色散特性，难以实现宽带连续谱与全偏振态的同步捕获。

针对这一挑战，由张宗坤、夏明耀等人在《Nature Communications》发表的研究，创新性地将人工超表面与深度学习相结合，构建了首个能完整表征强度-偏振-频率三维连续参数空间的光电探测器。该器件通过Pancharatnam-Berry（PB）相位与传输相位的解耦设计，将光谱信息编码为轨道角动量（OAM）拓扑荷数，偏振信息映射为OAM模式纯度，最终通过残差神经网络实现超高精度解码。

关键技术方法包括：1）设计螺旋排列纳米狭缝超表面实现色散驱动的OAM乘法效应；2）搭建太赫兹近场显微系统（THz-TDS）采集表面等离子体激元（SPP）涡旋场分布；3）构建改进的ResNet-50模型处理381种偏振态与16个波长的6096种干涉图样；4）采用数据增强技术提升系统鲁棒性。

超表面设计实现高维识别能力

研究团队设计的螺旋纳米狭缝阵列创新性地采用单狭缝单元，通过独立调控几何相位（PB相位）与传输相位，使左旋圆偏振（LCP）和右旋圆偏振（RCP）分量分别转换为拓扑荷数l⁺¹和l^-1的贝塞尔涡旋光束。理论推导（式1）表明，拓扑荷数l=-m·f/f₀与频率呈线性关系，而OAM模式纯度直接反映斯托克斯参数。实验证实，单个器件在0.3f₀-3f₀范围内可产生拓扑荷数精确可控的等离子体涡旋。

机器学习实现智能解码

面对分数阶OAM模式带来的复杂光谱，研究团队开发了多输出回归任务的改进ResNet模型。通过tanh激活函数约束输出范围（斯托克斯参数∈[-1,1]），该模型在仿真测试集中频率预测误差仅25 GHz，斯托克斯参数平均偏差0.011。更令人瞩目的是，在混合实测数据训练后，系统对真实场景的偏振和频率预测误差分别低至2.8%和4.3%，首次实现全三维参数空间的连续检测。

高维信息加密应用示范

研究团队进一步展示了该技术在信息加密中的独特优势。通过将北京经纬度（116.2°，39.6°N）编码为0阶和-2阶OAM模式的强度分布（图5），构建了双重密钥保护系统：Key1为超表面结构参数（m,n₀,f₀），Key2为特定OAM模式组合。这种物理层加密相比传统方法具有更高的抗截获能力。

这项研究突破了现有光电探测器的维度限制，其创新性主要体现在三方面：首先，通过色散驱动OAM乘法机制实现了宽带连续谱与全斯托克斯参数的线性映射；其次，超表面加工采用标准光刻工艺，相比异质结或莫尔系统更具可扩展性；最重要的是，该方法可推广至微波至可见光波段，为下一代高维光电探测器与光学信息安全处理器开辟了新道路。正如研究者所言，这种"将多维光学信息投射到OAM域"的创新范式，或将成为光学信息处理领域的重要转折点。