基于卷积神经网络对高阶空间模式中单光子的分类
光学
2024-12-11 v1
摘要
空间模式是经典和量子光通信中编码信息的候选方案，因其潜在的高信息容量而备受关注。不幸的是，为了受益于空间模式提供的优势，需要补偿传播过程中大气引起的波前畸变。在本工作中，我们利用卷积网络在图像去噪和分类方面的成功来改善空间模式的信息传输。通过单光子实验生成并成像了厄米-高斯、拉盖尔-高斯和因策-高斯模式。降噪自编码器纠正了湍流对波前的影响，随后由卷积神经网络进行模式阶数分类。该模型在所有模式上实现了99.2%的分类准确率，其中厄米-高斯模式表现出最高的单模式准确率。由于卷积网络仅依赖强度信息，它们为单光子极限下的光通信系统提供了一种高效且低成本的工具。
引用
@article{arxiv.2412.07560,
title = {Classification of Single Photons in Higher-Order Spatial Modes via Convolutional Neural Networks},
author = {Manon P. Bart and Sita Dawanse and Nicholas J. Savino and Viet Tran and Tianhong Wang and Sanjaya Lohani and Farris Nefissi and Pascal Bassène and Moussa N'Gom and Ryan T. Glasser},
journal= {arXiv preprint arXiv:2412.07560},
year = {2024}
}