光纖因其固有優(yōu)勢成為現代科學技術中的基礎組件，為互聯網通信和大數據傳輸等應用提供了高效且安全的媒介。與單模光纖（SMF）相比，多模光纖（MMF）能夠支持更多的導模（約10³至10⁴），提供了在頭發(fā)絲直徑范圍內傳輸高容量信息和圖像的誘人優(yōu)勢。這一能力使多模光纖在量子信息和微創(chuàng)內窺鏡等領域成為關鍵工具。

然而，多模光纖也帶來了一個重大挑戰(zhàn)：其高度散射特性在傳輸過程中引入了嚴重的模態(tài)色散，顯著降低了傳輸信息的質量。現有技術，如人工神經網絡（ANN）和空間光調制器（SLM），在多模光纖傳輸后重建失真圖像方面取得的成功有限。盡管有這些進展，但使用微米級集成光學組件通過多模光纖直接光學傳輸無失真圖像仍然是光學研究中的一個難以實現的目標。

針對多模光纖傳輸的長期挑戰(zhàn)，由上海理工大學人工智能科學與技術學院（SAIST）的張啟明教授和余浩毅副教授領導的研究團隊提出了一項突破性解決方案。該研究發(fā)表在《自然·光子學》期刊上。

團隊成功將微型多層光學衍射神經網絡（DN2s）集成到多模光纖的遠端，實現了全光學圖像傳輸。衍射神經網絡被視為一種光學神經網絡（ONN），基于深度學習的更高效人工神經網絡方法，能夠以光速直接處理光學矩陣乘法，并實現人工神經網絡中的高連接數，例如光學圖像分類、解密和相位檢測。

在這項工作中，研究人員采用3D振鏡掃描雙光子納米光刻（GS-TPN）制造方法，在商用0.35米長的多模光纖遠端集成了一個占地面積僅為150微米×150微米的微型衍射神經網絡。該光纖集成的微型衍射神經網絡在可見光波長范圍內工作，基于多層衍射元件光學推斷散斑圖案的振幅和相位信息，實現通過光纖直接進行圖像重建和傳輸。

該系統(tǒng)在手寫數字成像方面表現出色，實現了實時輸入圖像（65微米×65微米）的最小圖像重建特征尺寸約為4.90微米，平均光強對比度約為4%，每層衍射效率約為35%。此外，該平臺展示了遷移學習特性。在傳輸未包含在訓練數據集中的31張HeLa細胞圖像時，系統(tǒng)保持了高質量的光學圖像重建，突顯了將微型衍射神經網絡與多模光纖集成為前所未有的微米級光學推理平臺的潛力。這一創(chuàng)新為多功能緊湊光子系統(tǒng)鋪平了道路。

該研究通過將多層光學衍射神經網絡與多模光纖集成，成功實現了通過多模光纖直接光學圖像傳輸。利用衍射神經網絡的卓越計算能力，該系統(tǒng)有望在未來應用于緊湊光子系統(tǒng)，實現更廣泛的功能擴展。

在光纖端面集成微型衍射神經網絡為推進基于多模光纖的技術在緊湊光子系統(tǒng)中的應用提供了一個新穎的微米級平臺，例如剛性內窺鏡、多模光纖信號傳輸、模式排序和短距離量子光學互連。此外，這種方法可以擴展到各種光纖系統(tǒng)，包括單模光纖、梯度折射率光纖和無序光纖。

相關鏈接：https://dx.doi.org/10.1038/s41566-025-01621-4