在水下通信、遥感和医疗设备等不同应用中，利用高传输容量和大带宽在自由空间传输光数据受到了广泛关注。

利用电子编码和衍射解码，通过随机未知扩散器进行光学信息传输。(a) 电子光学混合模型的工作流程：电子神经网络将输入对象编码为二维相位模式，全光学衍射神经网络对通过随机未知相位扩散器传输的信息进行解码。(b) 3D 打印衍射解码器在太赫兹频谱下工作的照片。(c) 使用带有电子编码的 3D 打印衍射解码器通过未知随机相位扩散器传输光学信息的实验结果。图片来源：Li 等人，doi 10.1117/1.AP.5.4.046009

然而，光路中不可预见的未知相位扰动或随机漫射带来了巨大困难，限制了自由空间中光学数据的高保真传输。自适应光学是一种潜在的解决方案，可以纠正动态的随机畸变；采用空间光调制器和迭代反馈算法不可避免地会增加复杂性和成本。

加州大学洛杉矶分校（UCLA）电子与计算机工程系的艾多根-奥兹坎（Aydogan Ozcan）教授领导的科学家小组最近在《先进光子学》（Advanced Photonics）杂志上发表了一种新的解决方案。

这种新方法采用电子编码和衍射光学解码，通过随机、未知的扩散器高保真地传输光学数据。这种混合模型通过监督学习进行训练，使用基于卷积神经网络（CNN）的电子编码器和物理制造的共同优化透射无源衍射层。

经过这一一次性联合训练过程，由此产生的混合模型即使在未知的相位扩散器中也能精确地传输感兴趣的光学数据，并有效地泛化到通过未知的随机扩散器传输数据。这种新方法大大优于仅使用衍射光学网络或电子神经网络通过扩散随机介质传输光学信息的系统，强调了衍射解码器和电子编码器共同发挥作用的重要性。

这种电子光学混合模型的可行性和概念的实验证明是通过一个在电磁波谱太赫兹部分工作的三维打印衍射网络进行评估的。该混合模型的光学解码器可以进行物理缩放--缩小或扩大--以便在电磁频谱的不同部分工作，从而避免了重新训练其衍射特性的要求。

加州大学洛杉矶分校的研究小组希望这一框架能为不同的应用提供紧凑、低功耗的替代品，如植入式系统中的成像数据和生物医学传感传输、在湍流大气条件下的数据传输以及水下光通信。
 

参考资料

Li, Y., et al., Optical information transfer through random unknown diffusers using electronic encoding and diffractive decoding, Advanced Photonics, doi.org/10.1117/1.AP.5.4.046009.