太赫兹研发网

来源：“科研进阶社”微信公众号

引言

近日，北京大学电子学院、物理学院联合上海理工大学太赫兹技术创新研究院等多个团队在《Nature Communications》上发表了一项突破性研究成果，题为《深度学习 enabled 的超宽带太赫兹高维光电探测器》（Deep learningenabled ultrabroadband terahertz highdimensional photodetector）。 https://doi.org/10.1038/s41467-025-63364-8

该研究成功研制出一种基于超表面和人工智能的新型光电探测器，首次实现了在0.3–1.1THz频段内对光强、偏振和频率三个维度的连续、同步高精度探测，终结了传统探测器只能“顾此失彼”的时代。

超表面“编码”+深度学习“解码”，破解高维探测难题

传统高维探测方案要么依赖多个离散探测器拼接（体积大、效率低），要么受限于材料固有特性（如石墨烯仅能探测特定波长/偏振），无法覆盖连续宽波段的三维光信息。而该研究通过两大创新设计，完美解决了这一痛点：

1. 超表面：让光的偏振与波长“刻”进轨道角动量

研究团队设计了一种特殊的螺旋排列纳米狭缝超表面，其核心原理是色散驱动的轨道角动量（OAM）倍增机制。通过巧妙解耦“频率控制的传输相位”与“偏振控制的几何相位”，超表面能将入射光的波长和偏振信息，分别编码成独特的“极化激元涡旋图案”——比如，涡旋的拓扑电荷随频率线性变化，涡旋的模式纯度则由偏振状态决定。

简单来说，不同波长、不同偏振的太赫兹光，照射到这个超表面上，会生成“独一无二”的涡旋光斑。例如，左圆偏振光（LCP）会激发特定阶数的贝塞尔涡旋光束，右圆偏振光（RCP）则激发另一阶数，而任意偏振光（如线偏振、椭圆偏振）可看作两种圆偏振光的叠加，其涡旋图案也会呈现对应的混合特征。这种“一对一”的映射关系，为高维信息提取奠定了物理基础。

2. 深度学习：精准“读懂”涡旋图案的隐藏信息

尽管超表面实现了光信息的“编码”，但面对非整数频率下复杂的分数阶涡旋（由无数整数阶OAM叠加而成），传统的OAM分解方法难以直接解析。研究团队引入残差神经网络（ResNet），将超表面生成的涡旋强度图案作为输入，通过训练381种偏振状态、16个波长的6096组数据（含噪声添加、图像平移等数据增强），让模型精准“解码”光的三维信息。

实验结果显示，该神经网络在0.3-1.1THz超宽带内，频率预测精度可达25GHz，偏振预测平均误差仅2.8%，频率预测平均误差仅4.3%。更关键的是，它无需任何移动部件或bulky光学元件，真正实现了“单芯片三维连续探测”——无论是线偏振、椭圆偏振还是圆偏振光，都能被准确识别。

开启高维光场探测新时代

这项研究的意义远超器件本身：

1. 解决了高维光场探测的难题：首次在连续参数空间中实现三维光场（强度偏振频率）的全面解析，无需机械移动部件或复杂光学系统。

2. 为智能光子器件设立新标杆：展示了人工智能与光子技术深度融合的巨大潜力，推动光电探测向“智能化”方向发展。

3. 具备广泛的应用前景：技术路线可扩展至微波至可见光波段，在光学计算、高速通信、生物成像、遥感监测等领域都具有广泛应用前景。

4. 开辟了新的研究范式：为多维度光学信息处理提供了新思路，可能引发一系列后续技术创新。

该研究成果不仅突破了现有光电探测器的维度限制，更开创了“超表面+人工智能”融合的新型光电探测架构，为下一代光电子技术的发展指明了方向。