La tecnologia della luce strutturata, potenziata dalle dimensioni spaziali e dall’intelligenza artificiale, ha portato a notevoli progressi nella trasmissione e rilevamento delle informazioni. Gli studi recenti hanno dimostrato come l’uso di conversioni non lineari spaziali possa mantenere bassi tassi di errore e alta precisione anche in condizioni difficili. Questo approccio combina elaborazione avanzata delle immagini con l’apprendimento automatico, ottenendo una capacità di dati elevata e una notevole accuratezza attraverso esperimenti innovativi.
La luce strutturata ha il potenziale di incrementare significativamente la capacità informativa integrando dimensioni spaziali con molteplici gradi di libertà. L’integrazione di modelli di luce strutturata con tecnologie di elaborazione delle immagini e intelligenza artificiale ha mostrato un forte potenziale per progressi nei campi della comunicazione e del rilevamento.
Una caratteristica distintiva del campo della luce strutturata è la distribuzione bidimensionale e tridimensionale delle sue informazioni di ampiezza, che può essere efficacemente integrata con la tecnologia di elaborazione delle immagini sviluppata e può anche realizzare la trasmissione di informazioni attraverso diversi media grazie alla tecnologia di apprendimento automatico. I campi di luce strutturata complessi basati su stati di sovrapposizione coerenti possono trasportare una ricca informazione spaziale di ampiezza. Combinando ciò con la conversione non lineare spaziale, si possono realizzare significativi incrementi nella capacità informativa.
Zilong Zhang dell’Istituto di Tecnologia di Pechino e Yijie Shen della Nanyang Technological University, insieme ai membri dei loro team, hanno proposto un nuovo metodo per potenziare la capacità informativa basato su stati di sovrapposizione coerenti di modalità complesse e la loro conversione non lineare spaziale. Integrando la visione artificiale e le tecnologie di apprendimento profondo, hanno raggiunto una trasmissione di informazioni da un punto a multipunti su grandi angoli con un basso tasso di errore di bit.
In questo modello, i fasci Gaussiani sono utilizzati per ottenere la conversione non lineare spaziale (SNC) della luce strutturata attraverso un modulatore di luce spaziale. Le reti neurali convoluzionali (CNN) sono impiegate per identificare la distribuzione di intensità dei fasci. Confrontando la modalità di sovrapposizione base e la modalità SNC, si osserva che con l’aumento dell’ordine dei modi eigen costituenti del modo base, la capacità di codifica del modo di sovrapposizione HG è significativamente migliore rispetto al modo LG, e la capacità di codifica del modo dopo la conversione non lineare strutturata spaziale può essere notevolmente migliorata.
Per verificare le prestazioni di codifica e decodifica basate sul modello sopra descritto, è stata trasmessa un’immagine a colori di 50×50 pixel. Le dimensioni RGB dell’immagine sono state divise in 5 livelli di cromaticità, comprendendo un totale di 125 tipi di informazioni cromatiche, ciascuna codificata da 125 stati di sovrapposizione coerenti HG. Inoltre, diversi gradi di jitter di fase causati dalla turbolenza atmosferica sono stati caricati su questi 125 modi attraverso un modulatore di luce spaziale DMD e addestrati con tecnologia di apprendimento profondo per formare un dataset.
Utilizzando ulteriormente la conversione non lineare, è stata implementata l’analisi degli effetti di decodifica di capacità superiore, in cui sono stati selezionati 530 modi SNC per la misurazione sperimentale della matrice di confusione di questi modi tramite reti neurali convoluzionali. I risultati sperimentali indicano che, grazie a caratteristiche strutturali più distinte, i modi SNC possono ancora garantire tassi di errore di bit simili mentre aumentano significativamente la capacità dei dati, con un’accuratezza di riconoscimento dei dati fino al 99,5%. L’esperimento ha anche verificato la capacità di riconoscimento dei modelli di visione artificiale in condizioni di riflessione diffusa, raggiungendo una decodifica ad alta precisione simultanea da parte di più telecamere riceventi con angoli di osservazione fino a 70°.