在信息時代，光子和電子是信息傳輸?shù)闹饕d體。與微電子學中的摩爾定律不同，集成光子器件的密度主要受光波長或衍射極限的限制。

為了提高光子器件的信息傳輸能力，波分復用（WDM）、偏振分復用（PDM）和模分復用（MDM）等復用技術得到了廣泛深入的研究，有效地提高了通信系統(tǒng)的傳輸能力。

最近，研究人員將這些復用技術（如WDM-MDM混合復用）結合起來，以滿足各種規(guī)模的光網(wǎng)絡對超高鏈路容量的巨大需求。

然而，當提取獨立模式上攜帶的波長相關信息時，通常需要級聯(lián)MDM設備和WDM設備，這增加了設備的尺寸。此外，由于不同模式之間的強耦合效應，在單個設備中實現(xiàn)模式解復用和光譜測量仍然是一個挑戰(zhàn)。因此，與MDM系統(tǒng)兼容的片上多模光譜儀仍然是一個問題。

據(jù)麥姆斯咨詢報道，近日，廈門大學和華僑大學等機構的研究人員組成的團隊在Opto-Electronic Science期刊上發(fā)表了題為“Towards integrated mode-division demultiplexing spectrometer by deep learning”的最新論文，團隊提出了MDM光譜儀的概念，并描述了第一個基于MDM系統(tǒng)的集成模分復用光譜儀。該光譜儀由分支多模波導和光電探測器陣列（圖1）組成，通過結構色散和光電流測量實現(xiàn)模式解復用和光譜檢測的集成。利用深度學習技術解決模式間非線性耦合問題，研究人員成功地實現(xiàn)了多模光譜的單點重建和多點光譜分辨率增強的功能。

圖1所提出的模分復用光譜儀的原理圖

圖2 TE1-TE4多模的單點同時重建

模擬結果表明，分支結構中的光場分布隨模式和波長而變化，從而在探測器上產(chǎn)生不同的光電流。在深度學習算法的支持下，TE1-TE4的并行重建，在1500-1600nm帶寬內(nèi)對25個探測器進行單次測量實現(xiàn)15nm光譜分辨率。

此外，研究人員進一步應用了多模重建方法來提高光譜分辨率，即通過將TE1-TE4中的多模響應疊加到時間序列上的單個光譜，實現(xiàn)了3nm分辨率，與單模響應（7nm分辨率）相比提高了約1.3倍，并打破了探測器數(shù)量的分辨率限制。

本研究項目得到了國家自然科學基金（62005231）、中央高校基本科研業(yè)務費（20720210045、20720200074）和廣東省基礎與應用基礎研究基金（2021A1515012199）的資助。

審核編輯：湯梓紅