論文の概要: Deep-learning-assisted optical communication with discretized state space of structured light
- arxiv url: http://arxiv.org/abs/2403.09462v2
- Date: Fri, 19 Apr 2024 05:21:03 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-22 19:18:16.998439
- Title: Deep-learning-assisted optical communication with discretized state space of structured light
- Title（参考訳）: 構造化光の離散状態空間を用いた深層学習支援光通信
- Authors: Minyang Zhang, Dong-Xu Chen, Pengxiang Ruan, Jun Liu, Jun-Long Zhao, Chui-Ping Yang,
- Abstract要約: 本稿では,LGモード認識のための高度な深層学習手法を提案する。
また,本手法では,OAM状態を小さなトレーニングサンプルと高精度で効果的に分類することを示した。
この研究は、構造化光に基づいて低OAM数で高容量光通信を実現するための新たな道を開く。
- 参考スコア（独自算出の注目度）: 2.884252230064288
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rich structure of transverse spatial modes of structured light has facilitated their extensive applications in quantum information and optical communication. The Laguerre-Gaussian (LG) modes, which carry a well-defined orbital angular momentum (OAM), consist of a complete orthogonal basis describing the transverse spatial modes of light. The application of OAM in free-space optical communication is restricted due to the experimentally limited OAM numbers and the complex OAM recognition methods. Here, we present a novel method that uses the advanced deep learning technique for LG modes recognition. By discretizing the spatial modes of structured light, we turn the OAM state regression into classification. A proof-of-principle experiment is also performed, showing that our method effectively categorizes OAM states with small training samples and high accuracy. By assigning each category a classical information, we further apply our approach to an image transmission task, demonstrating the ability to encode large data with low OAM number. This work opens up a new avenue for achieving high-capacity optical communication with low OAM number based on structured light.
- Abstract（参考訳）: 構造化光の逆空間モードの豊富な構造は、量子情報や光通信に広く応用されている。
明確に定義された軌道角運動量(OAM)を持つラゲール・ガウスモード(LG)は、光の逆空間モードを記述する完全な直交基底からなる。
自由空間光通信におけるOAMの適用は、実験的に制限されたOAM数と複雑なOAM認識法により制限される。
本稿では,LGモード認識のための高度な深層学習手法を提案する。
構造光の空間モードを識別することにより、OAM状態の回帰を分類する。
また,本手法では,OAM状態を小さなトレーニングサンプルと高精度で効果的に分類することを示した。
それぞれのカテゴリに古典的な情報を割り当てることで、画像伝達タスクにアプローチをさらに適用し、OAM番号の低い大容量データをエンコードできることを実証する。
この研究は、構造化光に基づいて低OAM数で高容量光通信を実現するための新たな道を開く。
関連論文リスト
- Generalizable Non-Line-of-Sight Imaging with Learnable Physical Priors [52.195637608631955]
非視線画像(NLOS)は、その潜在的な応用により注目されている。
既存のNLOS再構成アプローチは、経験的物理的前提に依存して制約される。
本稿では,Learningable Path Compensation(LPC)とAdaptive Phasor Field(APF)の2つの主要な設計を含む,学習に基づく新しいソリューションを提案する。
論文 参考訳（メタデータ） (2024-09-21T04:39:45Z) - Tomography of the spatial structure of light [0.0]
ラゲール・ガウシアンモードやエルミート・ガウシアンモードなど、ある基底に関して係数によって特定される空間的に構造化された光モードを考える。
この問題と量子状態トモグラフィーの数学的類似性を探究し、このよく確立された分野の多くの技術を容易に活用することができる。
この研究は、構造化光の分野におけるキャラクタリゼーション技術の発展と、古典的および量子的情報プロトコルへの応用に役立つことが期待されている。
論文 参考訳（メタデータ） (2024-04-08T15:43:56Z) - Regression of high dimensional angular momentum states of light [47.187609203210705]
空間強度分布の測定から入力OAM状態を再構成する手法を提案する。
我々は、量子ウォークダイナミックスによって4次元のOAM状態を生成する、実際のフォトニックなセットアップで我々のアプローチを実証する。
論文 参考訳（メタデータ） (2022-06-20T16:16:48Z) - Enhanced detection techniques of Orbital Angular Momentum states in the
classical and quantum regimes [48.7576911714538]
Orbital Angular Momentum(OAM)状態に固有の複雑な構造は、それらの検出と分類を非自明にする。
現在の検出方式のほとんどは、ラゲール・ガウスモードを用いて構築されたOAM状態のモデルに基づいている。
我々は、OAM検出技術を改善するために(特定のシナリオにおいて)洗練されたモデルの基礎状態として、ハイパー幾何-ガウスモードを用いる。
論文 参考訳（メタデータ） (2022-01-19T18:46:34Z) - Efficient sorting of orbital-angular-momentum states with large
topological charges and their unknown superpositions via machine learning [3.4467006377108143]
軌道角運動量(OAM)を運ぶ光は、その非有界な状態空間のために光学的操作と通信において重要な役割を果たす。
ここでは、ニューラルネットワークが、大きなトポロジカル電荷と未知の重ね合わせを持つOAMモードをソートするように訓練できることを実証する。
論文 参考訳（メタデータ） (2021-05-28T06:56:46Z) - Entangled ripples and twists of light: Radial and azimuthal
Laguerre-Gaussian mode entanglement [0.0]
我々は、光子対間のフルフィールドラゲール・ガウス交絡の生成と証明を実証する。
本研究は、量子情報処理および通信技術を強化するために、2光子場の空間構造がもたらすポテンシャルを実証する。
論文 参考訳（メタデータ） (2021-04-09T17:46:50Z) - Rapid characterisation of linear-optical networks via PhaseLift [51.03305009278831]
集積フォトニクスは優れた位相安定性を提供し、半導体産業によって提供される大規模な製造性に依存することができる。
このような光回路に基づく新しいデバイスは、機械学習アプリケーションにおいて高速でエネルギー効率の高い計算を約束する。
線形光ネットワークの転送行列を再構成する新しい手法を提案する。
論文 参考訳（メタデータ） (2020-10-01T16:04:22Z) - Fast Generation and Detection of Spatial Modes of Light using an
Acousto-Optic Modulator [62.997667081978825]
光の空間モードは、古典的情報と量子的情報の両方を符号化するのに使用できる高次元空間を提供する。
これらのモードを動的に生成および測定するための現在のアプローチは、高解像度のフェーズマスクを再構成する必要があるため、遅い。
我々は、二重パスAOMを用いて、5つの軌道角運動量状態のうちの1つを生成することにより、このアプローチを実験的に実現した。
我々は、平均96.9%の忠実度で、任意の状態を1ミリ秒未満で再構築することができる。
論文 参考訳（メタデータ） (2020-07-31T14:58:30Z) - OAM tomography with Heisenberg-Weyl observables [58.720142291102135]
我々は,OAM状態の測定とキャラクタリゼーションを簡略化するために,最近のトモグラフィープロトコルを適用した。
次元$d$次元のOAMトモグラフィーのスキームでは、モード量子ビット(つまり2次元システム)上の一連の測定しか必要としない。
これは、OAM状態上で一般化されたパウリ演算子を$X_d, Z_d$で実行する能力によって、OAM測定の現在の複雑さを置き換える。
論文 参考訳（メタデータ） (2020-03-19T10:36:46Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。