Spectro-temporal shaping of broadband optical wavepackets via programmable on-chip photonics

光不仅仅是照亮房间或路径的一束光线，它是一种复杂的波，在其颜色、时序和形状中承载着信息。几十年来，科学家们已经学会了控制这些属性，但要在广泛的颜色和时间尺度上实现极高精度的控制，一直是一个艰巨的挑战。想象一下，试图雕刻一波水流，让它在改变高度、速度和颜色的同时，还能保持整个结构的完整。在光学领域，这对于先进技术至关重要，例如在无需切开人体的情况下观察人体内部、以光速处理数据或传输海量信息。问题在于，用于塑造这种光的工具传统上都是体积庞大、僵硬且难以调节的。它们就像沉重、固定的雕塑，一旦建成就无法轻易重塑。

现在，一组研究人员开发出了一种打破这种僵化状态的方法。他们创建了一个系统，可以接收一段宽泛、混沌的光脉冲，并根据需求将其重塑为高度特定的定制图案。通过将一个微小的、可编程的计算机芯片与一个智能学习系统相结合，他们展示了在极广的颜色和时间间隔内控制光的能力。这一成就使得科学家能够生成以前无法可靠创建的复杂光图案，为更通用的成像、计算和传感工具打开了大门。

这段光的旅程始于一台标准的激光器，它发射出极其短暂的脉冲，持续时间仅为一万亿分之一秒的一小部分。这些脉冲被送入一个由玻璃制成的小型芯片中，该芯片充当了光的精密交通控制器。在芯片内部，光被精确地分裂和延迟，从而产生具有特定时序和强度的脉冲序列。这种经过整形的光脉冲序列随后被放大，并被送入一种对光强度高度敏感的特殊光纤电缆中。随着光在电缆中的传播，它经历了剧烈的转变。光纤内部剧烈的相互作用导致光向超宽光谱扩散，覆盖了跨越400纳米的颜色范围。这个被称为“超连续谱生成”的过程，将单色的激光转变为彩虹般的光，但直到现在，这种彩虹的精确形状和时序仍然难以控制。

研究人员希望掌握这一过程，即精确决定能量在时间和颜色上的分布。为此，他们构建了一个实验装置，可以实时测量光的属性，然后调整芯片以优化结果。他们使用了一种技术，通过将输出光与第二束激光混合来创建一个详细的图谱（或称光谱图），展示光的分布情况。这张图揭示了光波的复杂结构。然而，仅仅测量光是不够的；芯片设置与最终光形之间的关系过于复杂，无法用标准数学方法求解。这个系统就像一个“黑箱”，转动旋钮会导致输出结果发生不可预测的变化。

为了应对这种复杂性，团队转向了机器学习——一种通过经验进行学习的人工智能。他们首先通过输入数千个关于不同芯片设置如何产生不同光图案的示例，来训练一个计算机模型。一旦模型学习到了系统的规则，它几乎可以瞬间预测出某种设置的结果，而无需运行实际的物理实验。研究人员随后利用该模型来寻找创建特定图案的最佳设置。他们要求系统生成具有两个特定时间间隔分离的脉冲，或者四个在同一时刻到达但颜色不同的脉冲。在其他情况下，他们请求生成一种脉冲时序随颜色变化的图案，这是一种复杂的排列，需要克服光纤使光扩散的自然倾向。

结果令人瞩目。该系统成功地以高精度生成了这些复杂的图案。例如，它创建了一个在特定颜色下、每个脉冲间隔60皮秒的序列，这个时间尺度之短是以万亿分之一秒来衡量的。它还成功同步了四种不同的颜色，使它们在同一瞬间到达，这对于某些类型的高分辨率成像至关重要。或许最令人印象深刻的是，它能够对不同颜色施加特定的延迟，使光的行为违背了光纤的自然色散特性。该系统通过自主调整芯片设置，通过从每一次尝试中学习，从而不断接近目标值，实现了这些结果。

为了使这一过程更快，研究人员将物理实验与计算机模型结合在一起。他们不再从随机猜测开始（这可能需要数小时来优化），而是利用训练好的模型生成一份最有希望的起始点清单。这种“智能启动”使得物理系统能够在比以往缩短得多的时间内达到理想图案。在一项测试中，原本需要连续调整三小时才能达到的图案，仅用了几分钟便实现了。该系统表现出了足够的鲁棒性，能够处理随时间变化的设备变化，即使在数周的时间里物理设置发生了轻微漂移，仍能保持其性能。

这项工作表明，光可以被视为一种可编程材料，能够被塑造成复杂的、用户定义的形态。控制光的谱时特性（即同时控制其颜色和时序）的能力，为科学仪器提供了更高水平的灵活性。依赖于精确光控制的应用，如先进医学成像、材料加工和量子信息，都将从这项技术中受益。通过用紧凑、可编程的芯片和智能控制算法取代笨重、固定的光学系统，研究人员为更具适应性和高效性的光子器件提供了一条路径。研究证实，只要结合正确的集成光子学和机器学习，复杂的动态光能被驯服并被引导，以服务于特定的、高要求的任务。