研究人員開發了一種新的全像資料儲存方法，透過結合光的三個關鍵屬性：振幅、相位和偏振，記錄和檢索三維資訊。這允許在相同的空間內儲存更多的儲存空間。它為不斷增長的全球儲存需求提供了潛在的解決方案。
傳統的儲存系統將資料寫入平坦的表面，例如硬碟或光碟。相反，全息資料儲存使用雷射將資訊嵌入整個材料體積。這會在同一區域內建立多個重疊的光圖案。這極大地增加了儲存容量並允許更快的資料傳輸。
「在傳統的全像資料儲存中，資料編碼通常使用單一光學維度，例如單獨的幅度或相位。或至少結合這兩個維度，」中國福建師範大學的首席研究員丹曉迪說。 “基於全息偏振原理，我們使用稱為卷積神經網路模型的深度學習架構。能夠將偏振用作獨立維度。”
研究發表於 光學的Optica Publishing Group 的高影響力研究期刊。事實證明，這種新技術可以增加儲存的資料量。同時，它也使檢索資訊變得更加容易。
「隨著進一步的發展和商業化，這種多維全像資料儲存可以使較小的資料中心和較大的資料中心變得更加高效，同時提高資料處理和傳輸效率，」Tan說。 “它還有助於更安全的數據傳輸。光學加密和高級可視化”
使用偏振來放大資料編碼
儲存全像圖資料 資料被記錄為由雷射圖案創建的類似影像的資料頁。加密將數位資訊轉換為這些頁面。而解碼將其轉換回可用的資料。
儘管光具有多種可用於傳輸更多資訊的特性，但在實務上有效整合卻很困難。為了克服這個問題，研究人員改進了一種稱為基於張量的全息偏振的方法。它在再生過程中保持光的偏振狀態。這使得偏振成為儲存附加資訊的可靠通道。
基於這項工作，團隊透過調整兩個垂直偏振態的強度和相位，創建了3D調製編碼策略。並使用兩相全息技術。因此，兩種方法僅允許單相空間光調製器對光場中的振幅、相位和偏振進行共同編碼。
多維光數據AI解碼
破解這些組合訊息具有挑戰性。這是因為標準感測器僅測量光強度（振幅），無法直接偵測相位或偏振。為了解決這個問題，研究人員利用全像張量偏振理論與卷積神經網路結合，從衍射強度圖像中恢復了所有三類資訊。
使用兩個互補的衍射圖像來訓練神經網路。一張照片是用垂直偏光鏡拍攝的。而另一張圖則沒有。透過分析這些影像，該模型學會識別與振幅、相位和偏振相關的模式，從而可以同時創建這三者。提高資料儲存密度並提高資料傳輸速度。
邁向更快、更高容量的資料存儲
在證實了這個想法後，研究人員創建了一個緊湊的系統，可以在偏振敏感材料內記錄和重建編碼光場。測試期間分析強度影像以檢測與振幅、相位和偏振相關的特徵。然後將它們用作神經網路的輸入。這允許僅使用基於強度的測量進行完整的 3D 重建。
「總的來說，我們的結果表明，多維共同編碼顯著改善了從單一全像資料頁面獲取的資訊。這提高了資料儲存容量，」Tan 說。此外，神經網路的同步解碼減少了複雜測量和逐步重建的需求。它支援更有效率的讀取和解碼，這將為全息資料的高容量、高吞吐量儲存開闢一條有用的道路。 」
實際應用的後續步驟
研究人員強調，該系統仍處於研究階段，需要進一步開發才能商業化。未來的工作將集中在增加編碼中使用的灰階，以進一步擴展其功能。以及提高記錄材料的長期穩定性、一致性和可重複性。
他們還計劃將該方法與體積全像復用技術結合。這可以允許跨多個頁面和通道儲存資料。加強光學硬體和解碼演算法之間的整合對於在現實條件下更快、更可靠地檢索資料至關重要。
