.png){kind=icon}
返回
Efficient phase locking in massive laser arrays with deep learning from structured data
.png){kind=icon}
OA
AI
DOI：10.1017/hpl.2025.10048.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
相干光束合成（CBC）技术在产生自由空间结构光方面正日益受到关注，其在功率缩放、编辑灵活性和高质量光场创建等方面展现出巨大潜力。然而，在拥有大量激光通道的CBC系统中实现稳定的相位锁定仍是一项巨大挑战，尤其是在存在强相位噪声的情况下。在此，我们首次提出了一种基于深度卷积神经网络的高效相位锁定方法，用于超过1000通道的激光阵列。其关键思路在于，通过精巧设计训练样本的生成策略，可显著减轻来自结构化数据的学习负担，从而实现对相位分布的精确预测。我们在一个具有动态相位噪声的模拟拼接孔径CBC系统中验证了该方法，并将其扩展至同时生成具有大量轨道角动量（OAM）模式的OAM光束。
Keyword:
deep learning
high-power laser
massive laser arrays
phase locking
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
5.7
论文数:
818
被引数:
1.9K
机构
引用论文
Multi-aperture digital coherent combining for free-space optical communication receivers.png)
OPTICS EXPRESSOAAI
OPTICS EXPRESSIF3.3
OAAI分享收藏Single step phase optimisation for coherent beam combination using deep learningSCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏分享收藏Reconfigurable structured light generation in a multicore fibre amplifier多芯光纤放大器中的可重构结构光生成NATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏
查看更多内容