Polarisation beschreibt die Ausrichtung von Schwingungen in einer Lichtwelle und spielt eine wesentliche Rolle in verschiedenen optischen Anwendungen – von der Verbesserung der Sichtbarkeit in Sonnenbrillen und Kameraobjektiven bis hin zur Erleichterung fortschrittlicher optischer Kommunikations- und Bildgebungssysteme. Das Verständnis und die Beherrschung der Polarisation des Lichts ist für die Weiterentwicklung vieler optischer Technologien von entscheidender Bedeutung. Die Manipulation der räumlichen Verteilung des Polarisationszustands eines optischen Feldes stellt jedoch erhebliche Hürden dar, insbesondere wenn die Synthese von Feldern mit ungleichmäßigen Polarisationszuständen gewünscht wird.
Aktuelle Polarisationsmodulationsgeräte wie Polarisatoren, Wellenplatten, räumliche Lichtmodulatoren und verschiedene Arten von Metaoberflächen sind alle auf einen begrenzten Bereich von Polarisationsstreumatrizen zwischen ihren Eingangs- und Ausgangsaperturen beschränkt. Darüber hinaus sind diese von vorhandenen Geräten implementierten Polarisationstransformationen nicht universell und funktionieren nur, wenn die Eingangspolarisationszustände vordefiniert sind, was sie für unvorhersehbare, räumlich variierende Polarisationsfelder am Eingang des Geräts unwirksam macht.
Ein Forschungsteam an der UCLA hat den Entwurf eines diffraktiven Polarisationstransformatornetzwerks vorgestellt und damit einen neuen Weg für universelle Polarisationstransformationen räumlich variierender Polarisationsfelder eröffnet. Ihre Ergebnisse, berichtet in der Zeitschrift Fortgeschrittene Werkstoffedemonstrierte ein diffraktives Netzwerk, das in der Lage ist, einen großen Satz komplexwertiger, willkürlich ausgewählter Polarisationsstreumatrizen zwischen den Polarisationszuständen an verschiedenen Orten innerhalb seines Eingangs- und Ausgangssichtfelds rein optisch zu synthetisieren.
Dieser durch überwachtes Deep Learning trainierte diffraktive Polarisationstransformator besteht aus einer Reihe isotroper diffraktiver Schichten, die jeweils mit Tausenden von diffraktiven Merkmalen auf Subwellenlängenebene räumlich codiert sind und optimierbare Übertragungskoeffizienten aufweisen. Zwischen diesen diffraktiven Schichten werden auch 2D-Anordnungen linearer Polarisatoren eingesetzt, um eine Polarisationsanisotropie innerhalb des diffraktiven Prozessorvolumens einzuführen, wobei die linearen Polarisatoren in unterschiedlichen Winkeln ausgerichtet sind und fest bleiben.
Basierend auf dieser einzigartigen optischen Architektur zeigten Forscher der UCLA, dass ein einzelner diffraktiver Polarisationstransformator 10.000 verschiedene räumlich kodierte Polarisationsstreumatrizen in einem kompakten diffraktiven Prozessorvolumen implementieren kann.
Unter der Leitung von Dr. Aydogan Ozcan, Kanzlerprofessor am Fachbereich Elektrotechnik und Computertechnik der UCLA und stellvertretender Direktor des California Nano Systems Institute (CNSI), bestätigte das Forschungsteam auch die Machbarkeit dieses diffraktiven Polarisationstransformators durch Experimente.
Unter Verwendung von Drahtgitterpolarisatoren, die durch Fotolithographie hergestellt wurden, und 3D-gedruckten Beugungsschichten entwickelte das UCLA-Team ein Proof-of-Concept-Design, das eine benutzerdefinierte Polarisationspermutationsoperation im Terahertz-Teil des elektromagnetischen Spektrums vollständig optisch durchführen kann.
Während ihrer experimentellen Validierung zeigte der hergestellte diffraktive Polarisationstransformator die Fähigkeit, gleichzeitig verschiedene räumlich codierte Polarisationsstreumatrizen zu implementieren und so die Polarisationszustände am Eingang effektiv zu den gewünschten räumlich variierenden Polarisationszuständen am Ausgang zu navigieren. Die gemessenen Ausgangsfelder stimmten gut mit den numerischen Simulationen und Entwurfszielen überein und unterstrichen den Erfolg von Polarisationstransformationen, die mit früheren Techniken nicht erreichbar waren.
Für die Zukunft plant das UCLA-Team, seine Entwürfe für den Betrieb unter Breitbandbeleuchtung zur gleichzeitigen Verarbeitung der in optischen Feldern kodierten Amplituden-, Phasen-, Polarisations- und Spektralmerkmale zu verbessern. Mit solchen diffraktiven Polarisationstransformatoren können intelligente Bildverarbeitungssysteme entwickelt werden, die mit polarisationsbewussten Objekterkennungs- und -klassifizierungsfunktionen ausgestattet sind und verschiedene Anwendungen finden könnten, beispielsweise in der Fernerkundung, Sicherheit/Verteidigung, Materialinspektion und medizinischen Bildgebung.
Mehr Informationen:
Yuhang Li et al., Universelle Polarisationstransformationen: Räumliche Programmierung von Polarisationsstreumatrizen unter Verwendung eines durch Deep Learning entwickelten diffraktiven Polarisationstransformators, Fortgeschrittene Werkstoffe (2023). DOI: 10.1002/adma.202303395. An arXiv: arxiv.org/abs/2304.05724