一种空间模式的转换方法、系统、电子设备及存储介质技术方案

本发明专利技术公开一种空间模式的转换方法、系统、电子设备及存储介质，涉及光子学技术领域，所述方法包括：确定预设本征值集；预设本征值集包括M个预设本征值；M>1；将预设本征值集输入至耦合数据确定模型中，得到目标耦合数据集；目标耦合数据集包括M

【技术实现步骤摘要】
一种空间模式的转换方法、系统、电子设备及存储介质


[0001]本专利技术涉及光子学
，特别是涉及一种空间模式的转换方法、系统、电子设备及存储介质。

技术介绍

[0002]现有的关于光束模式传输的研究多采用波导应力、引入非厄米性或非线性等空间模式的转换方法来诱导系统中不同模式之间的相互作用，然而这些空间模式的转换方法需要复杂的实验参数，同时无法完全控制模式之间的相互作用方向，能够协同操纵的模式数量也非常有限。

技术实现思路

[0003]本专利技术的目的是提供一种空间模式的转换方法、系统、电子设备及存储介质，扩增了空间模式转换的模式数量，提高了空间模式转换的通用性。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]一种空间模式的转换方法，所述方法包括：
[0006]确定预设本征值集；所述预设本征值集包括M个预设本征值；M>1；
[0007]将所述预设本征值集输入至耦合数据确定模型中，得到目标耦合数据集；所述目标耦合数据集包括M
‑
1个目标耦合数据；所述耦合数据确定模型是基于训练数据集对人工神经网络进行训练得到的，所述训练数据集包括多组训练用波导阵列的本征值集和耦合数据集；
[0008]基于所述目标耦合数据集确定初始波导阵列；
[0009]对所述初始波导阵列引入余弦状弯曲，得到目标波导阵列；
[0010]将待转换的第一光模式输入至所述目标波导阵列中，得到第二光模式。
[0011]可选地，在将待转换的第一光模式输入至所述目标波导阵列中，得到第二光模式之后，还包括：
[0012]实时获取所述第二光模式；
[0013]当所述第二光模式转换结束时，取消所述目标波导阵列的余弦状弯曲。
[0014]可选地，所述耦合数据确定模型的训练过程，具体包括：
[0015]确定多组所述训练用波导阵列的耦合数据集和哈密顿量；
[0016]基于每组所述训练用波导阵列的耦合数据集和哈密顿量，确定对应训练用波导阵列的本征值集；
[0017]以所有所述训练用波导阵列的本征值集作为输入，所有所述训练用波导阵列的耦合数据集作为输出，对所述人工神经网络进行训练得到所述耦合数据确定模型。
[0018]可选地，基于所述目标耦合数据集确定初始波导阵列，具体包括：
[0019]将所述目标耦合数据集输入至光学波导平台中构建所述初始波导阵列。
[0020]可选地，对所述初始波导阵列引入余弦状弯曲，得到目标波导阵列，具体包括：
[0021]确定余弦状参数和所述初始波导阵列的哈密顿量；所述余弦状参数包括：实际距离和传播参数，所述实际距离为所述初始波导阵列的相邻波导之间的距离，所述传播参数包括：传播方向以及沿所述传播方向调制的波导的振幅、振荡频率和初始相位；
[0022]利用幺正变换，基于所述余弦状参数和所述初始波导阵列的哈密顿量，确定所述目标波导阵列。
[0023]一种空间模式的转换系统，所述系统包括：
[0024]预设本征值集确定模块，用于确定预设本征值集；所述预设本征值集包括M个预设本征值；M>1；
[0025]目标耦合数据集确定模块，用于将所述预设本征值集输入至耦合数据确定模型中，得到目标耦合数据集；所述目标耦合数据集包括M
‑
1个目标耦合数据；所述耦合数据确定模型是基于训练数据集对人工神经网络进行训练得到的，所述训练数据集包括多组训练用波导阵列的本征值集和耦合数据集；
[0026]初始波导阵列确定模块，用于基于所述目标耦合数据集确定初始波导阵列；
[0027]目标波导阵列确定模块，用于对所述初始波导阵列引入余弦状弯曲，得到目标波导阵列；
[0028]模式转换模块，用于将待转换的第一光模式输入至所述目标波导阵列中，得到第二光模式。
[0029]一种电子设备，包括：
[0030]一个或多个处理器；
[0031]存储装置，其上存储有一个或多个程序；
[0032]当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述所述的空间模式的转换方法。
[0033]一种存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如上述所述的空间模式的转换方法。
[0034]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0035]本专利技术公开了一种空间模式的转换方法、系统、电子设备及存储介质，通过将预设本征值集输入至耦合数据确定模型中，得到目标耦合数据集，进而基于目标耦合数据集确定初始波导阵列；然后对初始波导阵列引入余弦状弯曲，得到目标波导阵列；将待转换的第一光模式输入至目标波导阵列中，得到第二光模式，即可实现光模式的转换。本专利技术引入了基于人工神经网络确定的耦合数据确定模型，扩增了空间模式转换的模式数量，提高了空间模式转换的通用性。
附图说明
[0036]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0037]图1为本专利技术实施例1提供的空间模式的转换方法流程示意图；
[0038]图2为本征值数组B，对应的本征模式和实空间的耦合阵列T的示意图；
[0039]图3为模式耦合和能带结构示意图；
[0040]图4为消除前后对角顶本征模之间的势能差值的示意图；
[0041]图5为人工合成维度中模式之间的耦合强度的示意图；
[0042]图6为人工合成维度中模式之间的耦合示意图；
[0043]图7为光在实空间中演化的示意图。
具体实施方式
[0044]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0045]本专利技术的目的是提供一种空间模式的转换方法、系统、电子设备及存储介质，旨在扩增空间模式转换的模式数量，提高空间模式转换的通用性。
[0046]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0047]实施例1
[0048]图1为本专利技术实施例1提供的空间模式的转换方法流程示意图。如图1所示，本实施例中的空间模式的转换方法，包括：
[0049]步骤101：确定预设本征值集；预设本征值集包括M个预设本征值；M>1。
[0050]步骤102：将预设本征值集输入至耦合数据确定模型中，得到目标耦合数据集；目标耦合数据集包括M
‑本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种空间模式的转换方法，其特征在于，所述方法包括：确定预设本征值集；所述预设本征值集包括m个预设本征值；m>1；将所述预设本征值集输入至耦合数据确定模型中，得到目标耦合数据集；所述目标耦合数据集包括m
‑
1个目标耦合数据；所述耦合数据确定模型是基于训练数据集对人工神经网络进行训练得到的，所述训练数据集包括多组训练用波导阵列的本征值集和耦合数据集；基于所述目标耦合数据集确定初始波导阵列；对所述初始波导阵列引入余弦状弯曲，得到目标波导阵列；将待转换的第一光模式输入至所述目标波导阵列中，得到第二光模式。2.根据权利要求1所述的空间模式的转换方法，其特征在于，在将待转换的第一光模式输入至所述目标波导阵列中，得到第二光模式之后，还包括：实时获取所述第二光模式；当所述第二光模式转换结束时，取消所述目标波导阵列的余弦状弯曲。3.根据权利要求1所述的空间模式的转换方法，其特征在于，所述耦合数据确定模型的训练过程，具体包括：确定多组所述训练用波导阵列的耦合数据集和哈密顿量；基于每组所述训练用波导阵列的耦合数据集和哈密顿量，确定对应训练用波导阵列的本征值集；以所有所述训练用波导阵列的本征值集作为输入，所有所述训练用波导阵列的耦合数据集作为输出，对所述人工神经网络进行训练得到所述耦合数据确定模型。4.根据权利要求1所述的空间模式的转换方法，其特征在于，基于所述目标耦合数据集确定初始波导阵列，具体包括：将所述目标耦合数据集输入至光学波导平台中构建所述初始波导阵列。5.根据权利要求1所述的空间模式的转换方法，其特征在于，对所述初始波导阵列引入余弦状弯曲...

【专利技术属性】
技术研发人员：夏士齐，雷思弘，宋道红，陈志刚，
申请(专利权)人：南开大学，
类型：发明
国别省市：