[論文レビュー] Learning and avoiding disorder in multimode fibers

Maxime W. Matthès, Yaron Bromberg+2 more|arXiv (Cornell University)|Oct 28, 2020

Random lasers and scattering media参考文献 40被引用数 21

ひとこと要約

本稿では、強い機械的歪みに対しても耐性を示す多重モード光ファイバ（MMF）内の変形主モードを特定・利用するための深層学習を活用した手法を提案する。一般化されたWigner-Smith作用素とPyTorchを用いたモデルベース最適化により、波面収差が生じる状況下でも、高速かつ高精度に伝送行列（TM）を推定でき、歪みによるモードカップリングに影響を受けない光学チャネルをほぼすべて同定した。

ABSTRACT

Multimode optical fibers (MMFs) have gained renewed interest in the past decade, emerging as a way to boost optical communication data-rates in the context of an expected saturation of current single-mode fiber-based networks. They are also attractive for endoscopic applications, offering the possibility to achieve a similar information content as multicore fibers, but with a much smaller footprint, thus reducing the invasiveness of endoscopic procedures. However, these advances are hindered by the unavoidable presence of disorder that affects the propagation of light in MMFs and limits their practical applications. We introduce here a general framework to study and avoid the effect of disorder. We experimentally find an almost complete set of optical channels that are resilient to disorder induced by strong deformations. These deformation principle modes are obtained by only exploiting measurements for weak perturbations. We explain this effect by demonstrating that, even for a high level of disorder, the propagation of light in MMFs can be characterized by just a few key properties. These results are made possible thanks to a precise and fast estimation of the modal transmission matrix of the fiber which relies on a model-based optimization using deep learning frameworks.

研究の動機と目的

• 高帯域幅通信および最小侵襲的内視鏡応用への応用を制限する多重モード光ファイバ（MMF）における不規則性の課題に取り組む。
• 実験的セットアップにおける収差やずれのため、モード基底における伝送行列（TM）を正確に測定することが難しいという問題を克服する。
• 強い機械的変形に対しても安定したままの光学チャネルを同定する耐障害性の高い手法を開発し、実用的なMMFシステムにおける不規則性なしの動作を可能にする。
• 変形範囲にわたる伝送行列の進化を、わずかな主要パラメータで特徴づけることが可能であることを示す。

提案手法

• 収差補正をモデル化・実行するためのカスタムレイヤを備えた深層学習フレームワーク（PyTorch）を用い、伝送行列測定プロセスにおける収差を補正する。
• Zernike多項式を用いて入力面および出力面における波面歪みを表現するモデルベース最適化を適用する。
• 1 kHzのデジタルマイクロミラー素子とInGaAsカメラを用い、約10秒でピクセル基底における伝送行列（Hpix）を推定する。
• 数値的に最適化された基底変換行列を用いて、ピクセル基底のTMをモード基底に変換し、実験的不具合を補正する。
• 変形主モード（機械的摂動に対しても安定した入射状態）を特定するために、一般化Wigner-Smith（GWS）作用素を適用する。
• GWS固有モードを入射励起として用い、さまざまな変形状態におけるファイバの応答を調査し、耐障害性のある伝送チャネルを同定する。

実験結果

リサーチクエスチョン

• RQ1 収差が生じる実験的条件下でも、モデルベースの深層学習的手法が、モード基底におけるMMFの伝送行列を正確に推定できるか？
• RQ2 強い機械的変形に対しても安定した変形主モードが存在するか、ファイバが著しく摂動されてもそのようなモードが維持されるか？
• RQ3 変形範囲にわたる伝送行列の進化を、わずかな主要パラメータで特徴づけることができるか？
• RQ4 一般化Wigner-Smith作用素を用いて、MMF内の不規則性に強い光学チャネルを同定するのにどの程度有効に使えるか？
• RQ5 変形主モードの耐障害性は、異なる偏光状態および変形レベルにおいても保持されるか？

主な発見

• 提案手法により、1 kHzのフレームレートで10秒の取得時間で、モード基底における伝送行列の高速かつ高精度な推定が可能になった。
• 一般化Wigner-Smith作用素を活用することで、ほぼすべての光学チャネルが強い変形に対して耐性を示すことが同定され、変形レベルにわたるモードプロファイル再構成の適合度が94%に達した。
• 異なる変形状態における補正済みTM間の2次誤差はたったの3%にとどまり、補正の安定性と摂動レベル間での移行性が極めて高いことが示された。
• 補正済みTMの特異値スペクトルには明確なカットオフが110モードで現れ、理論的ガイドモード数と一致しており、正確なモード基底再構成が確認された。
• 39番目の変形主モードは、最小変形と最大変形状態における出力強度プロファイルの相関が最大（図S9のインセット）であり、その耐障害性が裏付けられた。
• 変形主モードをファイバーモード基底に射影した結果（図S10）、これらの頑健なチャネルが複数のファイバーモードの重ね合わせであることが明らかになった。これは、頑健性が単一モード励起によるものではなく、モード干渉に起因することを示している。